澄清的re.findall（）方法在python

Question

我想剝奪標點符號的字符串，我結束了使用

re.findall(r"[\w]+|[^\s\w]", text) 

它工作正常，它並解決我的問題。我不明白的是括號內的細節和整個模式的事情。 r"[\w]+|[^\s\w]"究竟意味着什麼？我看着它在Python標準庫和它說：

re.findall(pattern, string, flags=0) 

返回所有非重疊的字符串模式的匹配，作爲 字符串列表。字符串從左到右掃描，匹配返回 找到的順序。如果該模式中存在一個或多個組，則 會返回組列表;如果模式 有多個組，這將是元組列表。空結果包含在結果 中，除非它們觸及另一場比賽的開始。

我不知道我是否得到這個，澄清對我來說有點模糊。任何人都可以請告訴我在這種情況下的模式意味着什麼，以及它在findall（）方法中的定義是什麼？

Answer 1

要分解它，[]創建一個character class。你會經常看到類似[abc]的東西，它們會匹配a,b或c。相反，您也可能會看到[^abc]將會匹配不是a，b或c的任何內容。最後，你還會看到字符範圍：[a-cA-C]。這引入了兩個範圍，它將匹配a,b,c,A,B,C中的任何一個。

在這種情況下，你的角色類包含特殊的令牌。 \w和\s。 \w匹配類似字母的任何內容。 \w實際上取決於您的區域設置，但它通常與[a-zA-Z0-9_]與a-z,A-Z,0-9或_範圍內的任何匹配項相同。 \s是相似的，但它匹配任何可以被認爲是空白的東西。

+表示您可以重複前一次匹配1次或多次。所以[a]+將匹配整個字符串aaaaaaaaaaa。在你的情況下，你匹配彼此相鄰的字母數字字符。

|基本上是「或」。匹配左邊的東西，或匹配右邊的東西，如果左邊的東西不匹配。

Answer 2

\w表示字母數字字符加「_」。 \s表示包括「\ t \ r \ n \ v \ f」和空格字符「」的空格字符。因此，[\w]+|[^\s\w]表示僅包含單詞和「_」的字符串。