Python regex.findall无法捕获全部短匹配？如何获取起始锚定的非全消耗匹配

使用Python的regex库时，执行以下代码：

import regex as re
matches = re.findall("^\d+", "123")
print(matches)
# 实际输出: ['123']
# 期望输出: ['1', '12', '123']

实际仅能得到最长匹配结果，但我们需要获取所有锚定在字符串开头的有效前缀匹配（即所有从开头截取的子串中，能匹配原正则的结果）。尝试过添加overlapped=True参数或非贪婪模式^\d+?都无法达到预期：前者输出无变化，后者仅返回['1']。

同时不想用手动截取子串的繁琐方式：

s = "123"
matches = []
for length in range(len(s)+1):
    matches.extend(re.findall("^\d+", s[:length]))
print(matches)
# 输出: ['1', '12', '123']
# 但这种写法太冗余

解决方案 #

可以利用正向断言结合overlapped=True参数，构造通用正则表达式实现需求，无需手动截取子串。核心思路是遍历字符串每个位置，检查从开头到当前位置的子串是否匹配原正则，匹配则捕获该子串。

示例代码 #

import regex as re

s = "123"
original_pattern = r"^\d+"  # 替换为你的目标正则模式
# 构造通用匹配正则
matches = re.findall(r'(?=(^.{1,}))(?=' + original_pattern + r')\1', s, overlapped=True)
print(matches)
# 输出: ['1', '12', '123']

原理说明 #

• (?=(^.{1,}))：正向先行断言，捕获从字符串开头到当前位置的子串（overlapped=True会让正则引擎逐个位置推进，因此这个捕获组会依次得到所有长度≥1的前缀子串）。
• (?=' + original_pattern + r')：正向先行断言，验证当前捕获的前缀子串是否匹配原正则模式。
• \1：引用第一个捕获组的内容，确保findall最终返回符合条件的前缀子串。

通用性验证 #

该方法适用于任意锚定开头的正则模式。比如原模式是^[A-Z]{2,}，字符串是ABCDE：

s = "ABCDE"
original_pattern = r"^[A-Z]{2,}"
matches = re.findall(r'(?=(^.{1,}))(?=' + original_pattern + r')\1', s, overlapped=True)
print(matches)
# 输出: ['AB', 'ABC', 'ABCD', 'ABCDE']

内容的提问来源于stack exchange，提问作者Artie Vandelay