Python从列表中获取所有regexp匹配组

假设我已经阅读了文本文件的所有行，如下所示：

ifile = open('myfile.txt')
lines = ifile.readlines()

现在，假设我有以下正则表达式：

rgx = re.compile(r'Found ([0-9]+) solutions')

我可以用

result = filter(rgx.match,lines)
print result

获取匹配列表，但我需要的是匹配组列表。例如，与以下输出不同：

Found 3 solutions
Found 35 solutions
Found 0 solutions

3
35
0

我希望输出像：

Found 3 solutions
Found 35 solutions
Found 0 solutions

3
35
0

---

如何执行此操作？

由于前缀和后缀是固定字符串，因此您可以使用环视：

r'(?<=Found )\d+(?= solutions)'

r'（？您从match命令返回“match”对象（除非您使用filter将其隐式转换为字符串），唉。通过.ipython帮助没有合适的文档，但它是联机的：

例如

内部循环，
（rgx.match（line）表示f中的行）
是一个生成器表达式，其作用类似于
apply（）
。对于文件中的每一行，它调用
rgx.match（）
，并生成结果，即
SRE_match
对象（我通常称之为“匹配对象”）

外部循环具有
如果m
则丢弃任何不计算为true的结果（
re.match（）
当模式不匹配时返回
None
），然后
m.group（1）
使用match对象从括号内获取文本。有关详细信息，请参阅
re
模块的文档。由于外部循环是列表理解的一部分，因此会生成并返回一个结果列表。
因此，此处提供的其他解决方案很好，可能是可读性最高的，但在特定示例中考虑到您的需求，我建议您提供两种单线方案（当然要记住，您的问题来自2013年，您可能不在同一家公司工作，更不用说在同一个项目上工作了）。如果有人发现自己在这里，我也认为这是一个普遍的问题。因为您的前提非常简单（每行有一条有趣的数据），您可以执行以下操作：

>>> # simulate reading the (hopefully not ginormous) file into a single string
>>> lines = "Found 3 solutions\nFound 35 solutions\nFound 0 solutions\n"
>>> # we're now in the state we would be after "lines = file.readlines()"
>>> print(lines)
Found 3 solutions
Found 35 solutions
Found 0 solutions

>>> # we're so constrained, we can get away with murder in a single line
>>> solution_counts = re.findall(r'\d+', file_contents)
>>> solution_counts
['3', '35', '0']
>>> # bazinga!

这是一个令人惊讶的强大解决方案。如果文件的本地化方式将单词“find”和“solutions”更改为翻译后的等效词，则只要格式保持不变，此解决方案就无关紧要。不包含十进制整数的页眉和页脚？无关紧要。它可以处理单个字符串，如
找到计数为3、35和0的解决方案集“完全相同的代码将提取您想要的答案。然而，更常见的是您知道格式，但不能控制它，并且每一行/记录都充满了异构数据，并且您关心的部分被其他人包围，您可能会或可能不关心。因此，请考虑下面古怪的变体：

file_contents = "99 bottles of beer on the wall\n" \
                "50 ways to leave your lover\n" \
                "6 kinds of scary\n" \
                "Found 3 solutions of type A\n" \
                "Found 35 solutions of type C\n" \
                "Found 4 solutions of unknown type\n" \
                "2 heads are better than 1\n" \
                "etc, ...\n"

我们的简单解决方案将返回
['99'，'50'，'6'，'3'，'35'，'4'，'2'，'1']
，除非你知道如何过滤掉无关的数据，否则就没有那么有趣了，因为这些数据非常混乱、容易出错且脆弱——五分之一是星星。这很简单，而且可能是一个很好的干净解决方案，涉及迭代行，而不是将整个字节流摄入内存，但让我们坚持这样的假设，即出于某种原因，必须这样做。可能它不是来自文件（从TCPIP流或其他任何文件捕获）。使用另一个单行程序，
lines.split（'\n'）
，我们再次将行分开（没有换行符），并可以进行迭代和理解等，但我们也可以使用
finditer

>>> [ m.group(1) for m in re.finditer(r'Found (\d+)', file_contents) ]
>>> ['3', '35', '4']

非常健壮。我甚至不确定预编译是否更快，除非你正在处理大量的噩梦文件。
谢谢。以前从未使用过lookahead或lookaround。啊，我明白了。我花了一分钟才注意到，你在内部循环中使用了字母“l”而不是数字“1”，但它对我来说非常有效！：）…当然，数字“1”没有任何意义，所以对我来说应该是显而易见的。有一件事太简单了！我编辑了答案，并将变量名从
l
更改为
line
。这应该更清楚了！抱歉。
>>> [ m.group(1) for m in re.finditer(r'Found (\d+)', file_contents) ]
>>> ['3', '35', '4']