Regex 如何在python正则表达式中获取所有可能的子组？

我想在regex findall期间获得所有可能的子组：

（group（subgroup））+

。目前它只返回最后的匹配项，例如：

>>> re.findall(r'SOME_STRING_(([A-D])[0-9]+)+_[A-Z]+', 'SOME_STRING_A2B2C3_OTK')
[('C3', 'C')]

现在，我必须分两步进行：

>>> match = re.match(r'SOME_STRING_(([A-D][0-9]+)+)_[A-Z]+', 'SOME_STRING_A2B2C3_OTK')
>>> re.findall(r'([A-D])[0-9]+', match.group(1))
['A', 'B', 'C']

是否有任何方法可以让我在一个步骤中获得相同的结果？

只要您的示例代码和示例数据都定义良好，就可以完成单个正则表达式（可能还有单次数据传递）解决方案。假设的前提是：

某些字符串的长度是固定的。这是基于您给出的示例数据，其中

SOME\u STRING\u

读取的是文本字符串而不是正则表达式

数据的“字母数字”部分不包含

[E-Z]

或其他异常。这是基于您正在工作的两行解决方案，该解决方案应该返回一个错误

AttributeError:“NoneType”对象没有属性“group”

，如果存在

SOME\u STRING\u A1B2Z3\u OTK

之类的数据。但是，没有报告错误，因此我假设您没有此类数据

如果满足上述条件，可以使用单个正则表达式

r“[0-9]+”

执行简单的字符串拆分。所有数字都被丢弃，因为。贪婪匹配理论上可以通过一次数据传递来完成，因此如果确实如此，效率应该是令人满意的。（不过，我没有检查实施细节。）

解决方案

import re    
s = 'SOME_STRING_A10B20C30_OTK'  # len("SOME_STRING_") = 12 is fixed
                                 # may have multiple digits in between

re.compile(r"[0-9]+").split(s[12:])[:-1]  # discard the last element
# returns ['A', 'B', 'C']

由于

（[A-D]）[0-9]+

是A，因此只返回最后的匹配结果就不足为奇了

您可以使用（您可以通过在控制台/终端中键入

pip install regex

并按ENTER键来安装），然后使用：

import regex

results = regex.finditer(r'SOME_STRING_(([A-D])[0-9]+)+_[A-Z]+', 'SOME_STRING_A2B2C3_OTK')
print( [zip(x.captures(1),x.captures(2))  for x in results] )
# => [[('A2', 'A'), ('B2', 'B'), ('C3', 'C')]]

match.captures

属性跟踪所有捕获

如果只能使用

re

，则需要首先提取所有匹配项，然后对它们运行第二个正则表达式以提取所需的部分：

import re
tmp = re.findall(r'SOME_STRING_((?:[A-D][0-9]+)+)_[A-Z]+', 'SOME_STRING_A2B2C3_OTK')
results = []
for m in tmp:
    results.append(re.findall(r'(([A-D])[0-9]+)', m))
print( results )
# => [[('A2', 'A'), ('B2', 'B'), ('C3', 'C')]]

---

请参见

AFAIK，您的两步示例是最好的方法。第一个示例仅返回C3的原因是

findall

返回所有不重叠的匹配项。

['A'，'B'，'C']

是您想要的输出吗？如果您从说明规则（用文字）开始，读者会更容易阅读用于从字符串中提取感兴趣的信息。您可以使用。我认为

（..）+

语法与

组

的关系不太好，但我找不到相关的参考。您是否有

一些字符串\u A10E50\u OTK

之类的数据，其中在“字母+数字”部分包含[a-D]之外的字母？