REGEX正则表达式如何递归捕获分组，提取全部匹配的文件名？

问题原因 #

原有正则使用贪婪匹配规则，false.+"name":")中的.+会尽可能匹配最长的符合规则的字符串，会从第一个false位置一直向后匹配到最后一个文件名的前缀位置，因此最终只能捕获到最后一个符合后缀要求的文件名。

调整后的正则方案 #

正则表达式 #

如果需要限定仅匹配dir为false的条目，使用：
"dir":"false",[^}]*?"name":"([^"]+\.(?:jpg|jpeg|png))"
如果不需要限定dir属性，仅提取所有图片文件名，使用：
"name":"([^"]+\.(?:jpg|jpeg|png))"

关键修改点 #

• 把贪婪匹配的.+替换为非贪婪的[^}]*?，匹配范围被限制在单个JSON对象内部，不会跨对象匹配
• 使用[^"]+匹配文件名，避免匹配到文件名外的其他内容
• 后缀规则使用非捕获组(?:jpg|jpeg|png)，避免额外捕获后缀内容

全局匹配要求 #

除了正则本身调整外，需要开启正则的全局匹配模式才能返回所有匹配结果：

• JavaScript/Java等语言：正则末尾加g修饰符
• Python：使用re.findall()或re.finditer()方法
• PHP：使用preg_match_all()函数

代码示例（Python） #

import re

# 原始数据
raw_data = '''{"dir":"false", "bytes":158481, "parent_folder":"/Annie/FROM OLD DVDS", "name":"1.jpg"}, {"dir":"false", "bytes":382661, "parent_folder":"/Annie/FROM OLD DVDS", "name":"2.jpg"}, {"dir":"false", "bytes":1455205, "parent_folder":"/Annie/FROM OLD DVDS", "name":"3.jpg"}'''

# 匹配规则
pattern = r'"dir":"false",[^}]*?"name":"([^"]+\.(?:jpg|jpeg|png))"'
# 全局匹配所有结果
file_names = re.findall(pattern, raw_data)
# 按要求格式输出
print(', '.join(file_names))

运行后输出：1.jpg, 2.jpg, 3.jpg

内容的提问来源于stack exchange，提问作者Ruri Rocks