Python 为什么正则表达式匹配会得到这个结果？

使用元字符

+

时，模式必须至少出现一次。当我试图在这个字符串中匹配

a[ab]+

时：

abbaabbaaaa

使用python的

re.findall（）

，我希望它从第一个字母

a

开始返回所有这些可能的匹配，就像

['ab'，abb'，abba'，abbaaa'，等等]

一样，直到到达整个字符串（这也是一个匹配）。此外，我认为它也适用于字符串中的每一个

a

，而不仅仅是第一个，因此我认为匹配的结果将比这更多

这是我使用的代码：

import re

string = 'abbaaabbbbaaaaa'
matches = re.findall('a[ab]+', string)
for match in matches:
    print(match)

---

但是，结果只是

abbaabbaaaaa

（整个字符串）。那么我理解错了什么呢？

方括号是一个字符类，意思是匹配这些字符中的任何一个

因此，

[ab]+

匹配一行中的一个或多个a或b字符。你的模式将吞噬整个字符串与一个单一的匹配

您可能想要的是：

re.findall('a(?:ab)+', string)

---

请注意，

（？：

…

）

是非捕获组。它的工作原理与此模式中的

（

…

）

相同，但效率更高，因为它不保存子组（您不需要这些子组）。

a[ab]+

将匹配单个字符串（假设它完全匹配）。整个字符串

abbaabbaaaa

与该正则表达式匹配，因此您得到一个匹配项：整个字符串。它不会给你每一个可能匹配的小片段

---

换言之，

a

和

[ab]

的每个匹配“消耗”一个字符。也就是说，匹配的字符被“用完”，程序移动到下一个字符。一般来说，这就是您想要的：您想要查看整个字符串是否匹配，或者其中有多少匹配，而不是查找组成更大匹配的所有比特和片段。

正则表达式只查找不重叠的匹配（除非您使用像with这样的特殊技巧）

此外，默认情况下，

+

是贪婪的，匹配尽可能多的字符。如果向它添加一个

？

，它将变为惰性，因此它将在第一个可能的点停止。这将为您提供一个非重叠匹配的列表，但这也不是您所期望的：

['ab', 'aa', 'ab', 'aa', 'aa']
# as in ABbAAABbbbAAAAa

如果你这样做

matches = re.findall('(?=(a[ab]+))', string)

您可以从字符串中的每个可能起点获取所有匹配项：

['abbaaabbbbaaaaa',
 'aaabbbbaaaaa',
 'aabbbbaaaaa',
 'abbbbaaaaa',
 'aaaaa',
 'aaaa',
 'aaa',
 'aa']

通过将正则表达式递归地应用于所有这些子匹配，您将获得所有可能的匹配（非常多）