re.findall（）不是'；不像预期的那样贪婪-Python 2.7

我试图使用Python2.7中的正则表达式从纯文本中提取完整句子的列表。就我而言，可以解释为完整句子的所有内容都应该在列表中并不重要，但列表中的所有内容都必须是完整的句子。下面是说明该问题的代码：

import re
text = "Hello World! This is your captain speaking."
sentences = re.findall("[A-Z]\w+(\s+\w+[,;:-]?)*[.!?]", text)
print sentences

根据这一点，理论上，我应该得到如下列表：

>>> ["Hello World!", "This is your captain speaking."]

>>> [' World', ' speaking']

但我实际得到的结果是这样的：

>>> ["Hello World!", "This is your captain speaking."]

>>> [' World', ' speaking']

指示findall从左到右搜索，并且贪婪地处理*和+运算符。感谢您的帮助。

问题在于findall（）只显示捕获的子组，而不是完整匹配。根据以下文件：

如果模式中存在一个或多个组，则返回 组；如果模式有多个元组，这将是一个元组列表 小组

很容易看到正在使用和探索的内容：

问题的解决方案是使用

？：

抑制子组。然后您将得到预期的结果：

>>> re.findall("[A-Z]\w+(?:\s+\w+[,;:-]?)*[.!?]", text)
['Hello World!', 'This is your captain speaking.'

---

您可以稍微更改您的正则表达式：

>>> re.findall(r"[A-Z][\w\s]+[!.,;:]", text)
['Hello World!', 'This is your captain speaking.']

---

将捕获组与re.findall一起使用时，它只返回捕获集，而不返回整个匹配。将捕获组

（…）

更改为非捕获组

（？：…）

。（第一个

\w+

到

\w*

）。你的问题与贪婪无关。是的，这很有效。谢谢。这不是一个完全相同的。在这个问题中，有一个令人困惑的问题，即原始字符串中的双转义

\\

。这个问题更清楚地触及了单个问题的核心，即给定捕获组时re.findall（）的行为。