正则表达式：如何访问一个组的多个匹配项？ [复制]

Posted 2023-02-23

【中文标题】正则表达式：如何访问一个组的多个匹配项？ [复制]

【英文标题】：regexes: How to access multiple matches of a group? [duplicate]

【发布时间】：2011-06-30 22:42:49

【问题描述】：

我正在组合一个相当复杂的正则表达式。表达式的一部分匹配诸如“+a”、“-57”等字符串。A + 或a - 后跟任意数量的字母或数字。我想匹配 0 个或多个匹配此模式的字符串。

这是我想出的表达方式：

([\+-][a-zA-Z0-9]+)*

如果我要使用此模式搜索字符串“-56+a”，我希望得到两个匹配项：

+a 和 -56

但是，我只返回最后一个匹配项：

>>> m = re.match("([\+-][a-zA-Z0-9]+)*", '-56+a')
>>> m.groups()
('+a',)

查看 python 文档，我看到：

如果一个组匹配多次，则只能访问最后一个匹配：

>>> m = re.match(r"(..)+", "a1b2c3")  # Matches 3 times.
>>> m.group(1)                        # Returns only the last match.
'c3'

所以，我的问题是：如何您访问多个小组比赛？

【参考方案1】：

regex module 通过添加 .captures 方法解决了这个问题：

>>> m = regex.match(r"(..)+", "a1b2c3")
>>> m.captures(1)
['a1', 'b2', 'c3']

【讨论】：

这个答案比目前接受的答案更简单地解决了我的问题。 regex 模块也应该在未来取代 Python re 模块。

这是什么黑魔法！

【参考方案2】：

从您的正则表达式中删除*（这样它就与您的模式的一个实例完全匹配）。然后使用re.findall(...) 或re.finditer（参见here）返回所有匹配项。

更新：

听起来您实际上是在构建recursive descent parser。对于相对简单的解析任务，手动完成是很常见且完全合理的。如果您对库解决方案感兴趣（例如，如果您的解析任务稍后可能变得更加复杂），请查看pyparsing。

【讨论】：

感谢您的回复。问题是我的问题中的表达只是更长表达的一部分。我正在尝试标记用户输入的字符串。我想我可能不得不采取“分而治之”的方法，断开将包含由表达式的这一部分标识的组的字符串部分，然后按照您的建议应用 re.findall 。再次感谢您的帮助！

可能值得注意的是 re.findall(pattern, string) 会在字符串中找到所有出现的模式，即使这些出现是不连续的。即： re.findall('a.', 'axayaz') == re.findall('a.', '--ax---ay-----az--------') == ['ax', 'ay', 'az']

是的，不幸的是，在我的情况下，字符串中的位置是相关的。字符串的一部分中的“+a”在另一部分可能意味着完全不同的东西。谢谢。

@Tom：我在答案中添加了一些更高级的链接。如果这回答了您的问题，请投票（绿色复选标记/向上箭头）以将此问题标记为已解决。

感谢这些链接 phooji - 非常有趣。我已将您的答案标记为已接受。谢谢大家！