Python正则如何捕获分隔符间重复捕获组的全部匹配结果

你写的正则只能捕获到单个element的核心原因是：Python标准re库的捕获组有重复覆盖特性：当捕获组被+/*这类重复量词修饰时，最终只会保存最后一次匹配到的内容，所以你嵌套在(?:element (\d+)\n)+里的捕获组，只会保留最后一个匹配到的element编号，无法拿到所有匹配结果。

方案1：使用第三方regex模块（支持重复捕获堆栈，完全符合你要的单轮匹配捕获所有重复结果的需求） #

regex模块是Python标准re库的增强版，支持保留捕获组的所有重复匹配结果，你可以直接用优化后的正则（用(?s)内联标志开启DOTALL模式，代替笨重的(?:.|\n)写法）：

(?s)block (\d+).*?(?:element (\d+)\n)+.*?exit

调用代码示例：

import regex

text = """block 1
   <some other text here>
   element 1
   element 2
   element 3
   <some other text here>
   <some other text here>
exit
block 2
   <some other text here>
   element 1
   element 2
   <some other text here>
   <some other text here>
exit
"""

# 遍历每个block的匹配结果
for match in regex.finditer(r"(?s)block (\d+).*?(?:element (\d+)\n)+.*?exit", text):
    block_id = match.group(1)
    # captures()方法可以直接拿到该捕获组所有重复匹配的结果
    elements = match.captures(2)
    print(f"block {block_id}的elements: {elements}")

输出结果：

block 1的elements: ['1', '2', '3']
block 2的elements: ['1', '2']

方案2：标准re库实现（不使用findall/split） #

如果你不想引入第三方依赖，可以用两步匹配实现，先用正则匹配出每个完整的block块，再在每个块内匹配所有element：

import re

text = """block 1
   <some other text here>
   element 1
   element 2
   element 3
   <some other text here>
   <some other text here>
exit
block 2
   <some other text here>
   element 1
   element 2
   <some other text here>
   <some other text here>
exit
"""

# 先匹配每个完整的block块
block_pattern = re.compile(r"(?s)block (\d+).*?exit")
for block_match in block_pattern.finditer(text):
    block_id = block_match.group(1)
    block_content = block_match.group(0)
    # 在当前block内匹配所有element，使用finditer符合你不使用findall的要求
    element_pattern = re.compile(r"element (\d+)")
    elements = [em.group(1) for em in element_pattern.finditer(block_content)]
    print(f"block {block_id}的elements: {elements}")

输出结果和方案1完全一致。

如果你一定要用标准re库在单个正则里一次性捕获所有element，是无法实现的，这是标准re库的设计限制，只能借助第三方regex模块的重复捕获功能实现。

内容的提问来源于stack exchange，提问作者Monica