为何Python的re.findall返回子字符串元组而非完整匹配字符串？

我来帮你拆解这个问题——这其实是re.findall的一个核心行为规则，和你正则里的捕获组直接相关。

先重现一下你的问题场景：

import re
regex = r'((?:\+|00)[17](?: |\-)?|(?:\+|00)[1-9]\d{0,2}(?: |\-)?|(?:\+|00)1\-\d{3}(?: |\-)?)?(0\d|\([0-9]{3}\)|[1-9]{0,3})(?:((?: |\-)[0-9]{2}){4}|((?:[0-9]{2}){4})|((?: |\-)[0-9]{3}(?: |\-)[0-9]{4})|([0-9]{7}))'

# 测试空文本
print(re.findall(regex, "some text"))
# 输出: []

# 测试带号码的文本
print(re.findall(regex, "phone: +447825492609"))
# 输出: [('+447', '82', '', '', '', '5492609')]

问题原因 #

re.findall的工作逻辑很明确：

• 如果你的正则表达式中包含一个或多个捕获组（就是那些没有加?:的()），它会优先返回这些捕获组匹配到的内容，把每个匹配对应的所有捕获组结果拼成一个元组，最终返回元组的列表。
• 只有当正则里完全没有捕获组时，它才会返回完整匹配的字符串列表。

你的正则里用了好几个捕获组（比如开头的((?:\+|00)[17]...)、中间的(0\d...)，还有后面分支里的((?: |\-)[0-9]{2}){4}等），所以findall会把每个捕获组单独提取的内容组合成元组返回，而不是你预期的完整号码字符串。

解决方案 #

有两种简单的办法可以得到你想要的结果：

方法1：把所有捕获组改为非捕获组

把正则里所有不需要单独提取的()都改成(?:...)（非捕获组，只用于分组匹配，不会被findall单独提取），这样整个正则就没有捕获组了，findall就会返回完整匹配的字符串：

import re
# 修改后的正则：所有原捕获组都改成非捕获组
regex = r'(?:(?:\+|00)[17](?: |\-)?|(?:\+|00)[1-9]\d{0,2}(?: |\-)?|(?:\+|00)1\-\d{3}(?: |\-)?)?(?:0\d|\([0-9]{3}\)|[1-9]{0,3})(?:(?:(?: |\-)[0-9]{2}){4}|(?:(?:[0-9]{2}){4})|(?:(?: |\-)[0-9]{3}(?: |\-)[0-9]{4})|(?:[0-9]{7}))'

print(re.findall(regex, "phone: +447825492609"))
# 输出: ['+447825492609']

方法2：拼接捕获组结果（适合需要保留捕获组的场景）

如果你还需要保留原有的捕获组用于其他操作，可以把所有捕获组的结果拼接起来，还原成完整的号码：

import re
regex = r'((?:\+|00)[17](?: |\-)?|(?:\+|00)[1-9]\d{0,2}(?: |\-)?|(?:\+|00)1\-\d{3}(?: |\-)?)?(0\d|\([0-9]{3}\)|[1-9]{0,3})(?:((?: |\-)[0-9]{2}){4}|((?:[0-9]{2}){4})|((?: |\-)[0-9]{3}(?: |\-)[0-9]{4})|([0-9]{7}))'

matches = re.findall(regex, "phone: +447825492609")
# 把每个元组里的非空字符串拼接起来
full_numbers = [''.join(filter(None, match)) for match in matches]
print(full_numbers)
# 输出: ['+447825492609']

内容的提问来源于stack exchange，提问作者user68790678298