理解Python中的(\D\d)+正则表达式模式

Question

我正在花一些时间来理解Python 3中的正则表达式术语，但我无法弄清楚这里的(\D\d)+是如何工作的。

我知道\D表示非数字字符，\d表示数字字符，加号+表示前面的表达式重复一次或多次。但是当我尝试以下代码时，我就无法理解结果。

输入：

import re
text = "a1 b2 c3 d4e5f6"
regex = re.findall(r'(\D\d)+',text)
print(regex)

输出：

['a1', 'b2', 'c3', 'f6']

由于正则表达式中包含加号符号，那么它不应该也输出d4e5f6吗？因为它们是非数字和数字字符的序列。

- Rodrigo Caetano

---

这是"捕获重复组和重复捕获组的区别"，您可以通过使组不被捕获来匹配"d4e5f6": (?:\D\d)+。详细解释请参考链接。 - hoyland

https://regex101.com/r/O2qyGg/1 - G_M

提供的链接非常有用。非常感谢！ - Rodrigo Caetano

Answer 1

你没有直接重复 \D\d 子模式，而是重复了一个包含该子模式的捕获组（由括号表示）。最终匹配确实是文本 d4e5f6，但它作为三个捕获组的实例来完成，每个捕获组都会覆盖上一个。而 Python 的 re.findall() 在存在捕获组的情况下的行为是返回它们（如果有多个，则返回元组），而不是整体匹配。

Python 3.x 中有一个新的实验性 regex 模块，可以返回单个捕获组的多个匹配项，尽管我不确定它如何与 findall() 交互。你也可以将表达式写成 (?:\D\d)+ - (?: 开始一个非捕获组，因此 findall() 将按预期给出整个匹配项。

- jasonharper

---

你能再解释一下这句话“它将作为三个捕获组的实例，每个实例都会覆盖上一个”吗？我觉得我有点听不懂了。(a1) (b2) (c3) d4e5(f6)？ - Jongware

d4 匹配捕获组，然后 e5 匹配捕获组（替换先前捕获的文本），然后 f6 匹配（再次替换之前的）。最终只有 f6 被捕获，即使所有六个字符都匹配。 - jasonharper

@jasonharper 我想你指的是与正则表达式模块重叠吗？我尝试使用 regex.findall(r'(\D\d)+',text, overlapped=True)，结果最后3个元素是 f6。 - Sundeep