正则表达式：如何访问一个组的多个匹配？

Question

我正在编写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。+或-后面跟着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。

这是我想出来的正则表达式：

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

如果我用这个模式搜索字符串“-56+a”，我期望能够得到两个匹配项：

+a 和 -56

但是，实际上只返回了最后一个匹配项：

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

查看Python文档后，我发现：

如果一个组匹配了多次，只有最后一次匹配是可访问的：

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

所以，我的问题是：如何访问多个组匹配？

- Tom Scrace

Answer 1

从你的正则表达式中去掉*（这样它就只匹配模式的一个实例）。然后使用re.findall(...)或re.finditer（参见这里）返回所有匹配项。

听起来你基本上正在构建一个递归下降解析器。对于相对简单的解析任务，手动完成是非常常见和完全合理的。如果你有兴趣使用库解决方案（例如，如果你的解析任务可能在以后变得更加复杂），可以看看pyparsing。

- phooji

---

感谢您的回复。问题在于我提出的表达式只是更长表达式的一部分。我正在尝试对用户输入的字符串进行标记化处理。我认为我可能需要采用“分而治之”的方法，将包含此表达式部分所识别的组的字符串部分分离出来，然后像您建议的那样应用re.findall。再次感谢您的帮助！ - Tom Scrace

值得注意的是，re.findall(pattern, string) 将在字符串中查找模式的所有出现，即使这些出现是不连续的。也就是说：re.findall('a.', 'axayaz') == re.findall('a.', '--ax---ay-----az-------') == ['ax', 'ay', 'az'] - Adeel Zafar Soomro

是的，不幸的是，在我的情况下，字符串中的位置是相关的。字符串的一个部分中的“+a”可能在另一个部分中意味着完全不同的东西。谢谢。 - Tom Scrace

@Tom：我已经在答案中添加了一些更高级别的链接。如果这个回答解决了你的问题，请点赞（绿色勾号/向上箭头）标记此问题为已解决。 - phooji

谢谢你分享这些链接，phooji。非常有趣。我已经标记了你的答案为被接受的。谢谢大家！ - Tom Scrace

Answer 2

regex 模块 通过添加 .captures 方法来解决这个问题：

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

- Eric

---

这个答案比目前被接受的回答更简单地解决了我的问题。未来regex模块也将取代Python中的re模块。 - Rubinous

这是什么黑暗魔法！ - Kwame