Python正则re.findall仅匹配最后结果，如何获取全部目标数字？

原正则只返回最后一个结果的核心原因是：正则前后的.*?和.*会迫使引擎匹配整个字符串，最终只会定位到最后一个符合<a href='.*'>([0-9]+)</a>,的位置，因此仅捕获到最后一组数字。

要提取全部目标编号，只需聚焦每个<a>标签内的数字部分，调整正则即可：

方案1：直接提取标签包裹的数字 #

简化正则，精准匹配每个<a>标签中>与</a>之间的数字：

import re

string = "<a href='https://academia/course/3743'>3743</a>, <a href='https://academia/course/3963'>3963</a>,    <a href='https://academia/course/3850'>3850</a>,"
# 调整后的正则
pattern = r"<a href='.*?'>(\d+)</a>"
result = re.findall(pattern, string)
print(result)  # 输出: ['3743', '3963', '3850']

如果需要整数类型的结果，直接用列表推导式转换：[int(num) for num in result]

方案2：关联href路径中的数字（确保一致性） #

如果需要保证提取的数字与href路径里course/后的编号一致，可使用更精准的正则，同时捕获两者（按需取其中一组即可）：

pattern = r"<a href='.*?course/(\d+)'>(\d+)</a>"
result = re.findall(pattern, string)
# 输出: [('3743', '3743'), ('3963', '3963'), ('3850', '3850')]
# 取href中的编号：[pair[0] for pair in result]

关键注意点：

• 移除正则前后的.*和,.*，避免匹配整个字符串
• 用\d+替代[0-9]+，写法更简洁
• href内的.*改为非贪婪匹配.*?，防止跨标签错误匹配

内容的提问来源于stack exchange，提问作者Sarthak Mahapatra