Python正则表达式re.split分组捕获行为解析

本文通过具体案例解析Python中正则表达式的基础用法，供读者参考。

此前在一个公司内部由UED成员组成的Python爱好者小群里，有位资深开发者分享了一条测试信息。

该测试包含一个小型代码示例。

re.split('(\W+)', ' test, test, test.')

问题是该代码执行后返回的具体结果是什么。

初次观察时，我并未注意到正则中的W是大写形式，误以为是小写w，后者通常代表单词字符（包括下划线）。直到实际运行代码后，才确认使用的是大写W。

在IDLE环境中执行该代码，得到的输出如下所示。

>>> import re
>>> re.split('(\W+)', ' test, test, test.')
['', ' ', 'test', ', ', 'test', ', ', 'test', '.', '']
>>>

观察上述输出结果，我产生了疑问：既然\W用于匹配非单词字符，为何最终结果中会包含大量看似非单词的字符片段？

起初我怀疑自己记错了\W的定义，查阅正则表达式手册确认无误后，我注意到该测试用例中的匹配模式包含了括号结构，即正则语法中的(pattern)形式。

这种带有括号的写法表示在匹配的同时，会将括号内匹配到的内容提取出来，并保存到匹配结果集合中。

至此问题豁然开朗。

为进一步验证，我进行了额外的测试。

>>> re.split('(\W+)', ' test, test, test.')
['', ' ', 'test', ', ', 'test', ', ', 'test', '.', '']
>>> re.split('\W+', ' test, test, test.')
['', 'test', 'test', 'test', '']
>>>

此外，这里推荐两款实用的正则表达式在线工具供参考：

JavaScript正则表达式在线测试工具： http://tools.jb51.net/regex/javascript

正则表达式在线生成工具： http://tools.jb51.net/regex/create_reg

如需了解更多Python相关知识，可查阅本站相关专题，包括《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》以及《Python文件与目录操作技巧汇总》。

希望本文的解析对大家的Python编程实践有所帮助。