Python正则表达式re.findall匹配结果不符预期的原因咨询

核心问题：re.findall的捕获组优先级 #

Python的re.findall()有个关键特性：当正则表达式中包含捕获组时，它会优先返回捕获组匹配的内容，而非整个正则匹配的完整字符串；如果捕获组处于重复匹配结构（比如*、+）中，会返回该捕获组最后一次匹配的内容。

第一个案例解析 #

代码：

import re
a_re = r"`(``|[^`])*`"
a_str = '`abc`12`cde`45'
b = re.findall(a_re,a_str)
print(b) # ['c', 'e']

分析： #

1. 正则r"(``|[^])*"`的结构：
   • 以开头，以结尾
   • 中间的(``|[^])*是重复匹配：要么匹配两个连续的，要么匹配非`的任意字符，重复0次或多次
2. 匹配过程：
   • 第一个匹配块是abc：捕获组依次匹配a、b、c，最后一次捕获的是c
   • 第二个匹配块是cde：捕获组依次匹配c、d、e，最后一次捕获的是e
3. findall()收集每个匹配块中捕获组的最后一次匹配结果，所以输出['c', 'e']

第二个案例解析 #

代码：

import re
a_re = r"`(ab|[^c])*`"
a_str = '`ab`1`df`'
b = re.findall(a_re,a_str)
print(b) # ['f']

分析： #

1. 正则r"(ab|[^c])*"的结构：
   • 以开头，以结尾
   • 中间的(ab|[^c])*是重复匹配：要么匹配ab，要么匹配非c的任意字符，重复0次或多次
2. 匹配过程：
   • 第一个候选匹配块ab：正则的贪婪特性会尝试继续匹配后续字符——后面的属于非c字符，会被[^c]匹配，导致整个正则的结尾无法匹配，触发回溯后最终放弃匹配这个ab块
   • 第二个匹配块df：捕获组依次匹配d、f，最后一次捕获的是f
3. 因此findall()只收集到第二个匹配块的捕获结果，输出['f']

解决建议 #

如果想获取整个匹配的字符串而非捕获组内容，有两种方式：

• 把捕获组改为非捕获组：在组开头加?:，比如r"(?:``|[^])*"`
• 使用re.finditer()遍历匹配对象，通过.group()获取完整匹配内容

内容的提问来源于stack exchange，提问作者巴萨说