Python findall中的正则表达式匹配不一致

有人能告诉我为什么Python中的正则表达式模式大部分时间都能工作，但在下面的文本中却有困难

模式：

patternd = re.compile(r"""\(VFSCAN\)[^=]*=\s*    # first line of a section: (VFSCAN) AT TIME =  1.1800 UP    TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200 
(\d*(?:\.\d+)?)                 # group 1 - first number of first line: 1.1800
\D+ 
\d+                             # second number of first line: 100 
\s+BUSES\s+WITH\s+LOW\s+VOLTAGE\s+(DEVIATION)\s+BELOW.*? 
\D+                             # skip second line 
(?:                             # a data line: 18436 [LENZIE 618.0] -0.245 18433 [LENZIE 318.0] -0.245
(?:\d+\s+\[(.+?)\]\s+\S+\s*)+   # Component of data line
(?=[\r\n\s]+|$) 
)+                              # This search ends with an empty line
""", re.VERBOSE)

我遇到的问题是：

test3 = r'''(VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
18436 [LENZIE 618.0]   -0.245      18433 [LENZIE 318.0]   -0.245     
18431 [LENZIE 118.0]   -0.214      18435 [LENZIE 518.0]   -0.214     
18434 [LENZIE 418.0]   -0.214      18432 [LENZIE 218.0]   -0.214     

(VFSCAN) AT TIME =  1.5167 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
69036 [DNLP2G21.575]   -0.414      69038 [DNLP2G22.575]   -0.414     
69040 [DNLP2G23.575]   -0.414      69032 [DNLP1_G1.575]   -0.402     
65460 [DIFICULT 230]   -0.384      69027 [7MIHL G1.575]   -0.355     
69076 [HORIZ_G .575]   -0.303      67237 [MEDBOWCO 115]   -0.301     
67940 [STNDPSVC 230]   -0.300      65976 [MINERS  34.5]   -0.294     
65585 [FT CRK1 34.5]   -0.261      65584 [FT CRK2 34.5]   -0.261     
69073 [HIPLN_G .575]   -0.214     

(VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
65191 [BONANZA 24.0]   -0.572      65192 [BONANZA  138]   -0.434     
65194 [CHAPITA  138]   -0.433      66278 [RANGELY  138]   -0.320     
65371 [COVE TP  138]   -0.302      79265 [CALAMRDG 138]   -0.286     
79400 [DES.MINE 138]   -0.285      65086 [ASHLEY  69.0]   -0.284     
79067 [VERNAL   138]   -0.277      67257 [MOONLAK269.0]   -0.268     
67256 [MOONLAK169.0]   -0.266      79264 [W.RV.CTY 138]   -0.206     

'''

我使用“findall”来匹配使用上述模式的文本，并期望提取一个元组列表。当我运行此程序时，我得到：

[('1.1800', 'DEVIATION', 'LENZIE 218.0'), ('1.5167', 'DEVIATION', 'HIPLN_G .575'),     ('1.1800', 'DEVIATION', 'W.RV.CTY 138')]

---

但我的列表中应该有更多匹配的元组。我只对提取每场比赛第一行的时间以及方括号“[]”中的所有项目感兴趣。我应该在列表中得到6+13+12=31个元组。任何帮助都将不胜感激。

您必须逐行解析此格式，一旦找到匹配项，正则表达式将不会返回文本。您希望正则表达式找到重叠的部分（第0行+第2行，然后第0行+第3行，等等），但是引擎已经在第0-2行匹配了一些内容，因此下一个匹配

findall

将搜索第2行之后的开始

---

按行分割输入，检测标题行和数据行，并相应地解析每一行。然后用最近解析的标题对数据行进行分组。

使用正则表达式无法完成所需的操作。（至少，不是在单个正则表达式中）。组或匹配项中的子组数不能可变。比较正则表达式的简化版本

p = re.compile('(a(b)+)')
test3 = 'ababbabbbabbbb'
print p.findall(test3)

您希望它返回如下内容：

[('ab', 'b'), ('abb', 'b', 'b'), ('abbb', 'b', 'b', 'b'), ('abbbb', 'b')]

而是返回以下内容：

[('ab', 'b'), ('abb', 'b'), ('abbb', 'b'), ('abbbb', 'b')]

---

根据示例数据，可以使用两次传递算法。您可以首先使用原始正则表达式（没有导致它失败的分组）来提取大块文本。然后，使用第二个正则表达式，可以从第一个过程中找到的块中提取子模式。

这看起来像是要用其他东西解析的东西；正则表达式不会解析每个标题后面任意数量的行，只会包含第一个匹配行。严格来说，这不是真的（取决于您如何编写正则表达式），但建议是合理的：）谢谢您的评论。我就是从这里开始的，但我确信正则表达式可以完成这项工作。我的模式适用于我拥有的大多数数据，没有问题。为了澄清，这些部分分散在我的文件中。我想匹配整个部分，并将第一行的时间和[]s中的所有数据分组。当前，组仅返回每个匹配中的最后一个[]。如果我删除分组，我会得到我所期望的，每个（VFSCAN）部分的文本列表。加入团队会导致失败。啊，现在我明白你想做什么了。我已经修改了我原来的答案。汉斯，这听起来很合理，我会尽力做到的。当我删除分组时，正则表达式可以完美地工作，因此我将尝试两阶段的过程。谢谢你的帮助，你可以考虑接受这个答案。这将向其他用户提供反馈，说明这是一个有用的建议。我一开始是逐行进行的，但我使用的模式适用于大多数情况（我想……我会再次检查）。如果我移动分组，parens findall将返回与所有匹配项对应的字符串列表。我愿意做任何有用的事。我原以为我很熟悉这个正则表达式。@user1642486:不要把正则表达式看作是寻找钉子的锤子。：-）如果锯子工作得更好，就用它吧！