使用re.findall()仅返回单个结果，如何获取预期多匹配结果？

我尝试用re.findall()提取两个边界词之间的文本（包含边界词本身），示例代码如下：

description = 'White cat sat on the mat and then the cat ran away'
starting_word = 'cat'
ending_word = 'ran'

detail_re = r'{0}.*?{1}'.format(starting_word, ending_word)
extracted_text_list = re.findall(detail_re, description,re.IGNORECASE)

预期结果：

['cat sat on the mat and then the cat ran', 'cat ran']

实际结果：

['cat sat on the mat and then the cat ran']

解决方法 #

问题根源 #

当前正则采用左到右的非贪婪匹配，但匹配第一个结果时会消耗从第一个cat到ran的所有字符，导致第二个cat ran所在的子串已被覆盖，正则默认不会对已消耗的字符重复匹配。

修正方案 #

使用正向零宽断言实现重叠匹配，修改正则表达式如下：

import re

description = 'White cat sat on the mat and then the cat ran away'
starting_word = 'cat'
ending_word = 'ran'

# 用正向预查包裹捕获组，避免消耗字符，支持重叠匹配
detail_re = r'(?=({0}.*?{1}))'.format(re.escape(starting_word), re.escape(ending_word))
# 通过finditer遍历所有匹配，提取捕获组内容
extracted_text_list = [match.group(1) for match in re.finditer(detail_re, description, re.IGNORECASE)]

print(extracted_text_list)

运行后即可得到预期结果：

['cat sat on the mat and then the cat ran', 'cat ran']

额外说明 #

• 加入re.escape()处理起始/结束词，避免词中包含正则特殊字符（如.、*）时出现匹配异常。
• 正向零宽断言(?=...)仅做匹配检查，不会消耗字符串中的字符，因此正则引擎可以逐个位置扫描，捕获所有符合条件的子串，包括重叠场景。

内容的提问来源于stack exchange，提问作者nr spider