如何用Python正则提取指定模式之后的所有独立单词作为单独分组

问题原因 #

之前的正则无法达到预期的原因：

• (?<=a )(\w+)的正向断言只会定位到a 后的首个位置，单次匹配仅捕获第一个出现的单词
• (?<=a ).*为贪婪匹配，会直接匹配到行尾，因此只能得到一个整串结果

方案1：纯正则单步实现 #

使用\G锚点匹配上一次匹配结束的位置，实现连续捕获a 后的所有单词：
正则表达式为：(?:(?<=a )|\G(?!^))(\w+)
各部分含义：

• (?<=a )：定位到紧跟a 之后的首个匹配起始位置
• \G(?!^)：匹配上一次匹配结束的位置，(?!^)排除字符串起始位置，避免匹配到a 之前的内容
• 捕获组(\w+)：提取每个独立单词

Python代码示例：

import re

text = "we have a Newliner Chatacter in 10000 the Middle of the sentence"
pattern = r'(?:(?<=a )|\G(?!^))(\w+)'
res = re.findall(pattern, text)

# 输出验证
for word in res:
    print(word)

方案2：拆分后匹配（更易维护，性能更优） #

如果不需要严格用单条正则完成，可以先提取a 之后的子串，再对该子串做单词匹配，逻辑更简单直观：
Python代码示例：

import re

text = "we have a Newliner Chatacter in 10000 the Middle of the sentence"
# 按第一个出现的"a "拆分，取后半部分
after_part = text.split("a ", 1)[1]
res = re.findall(r'\w+', after_part)

# 输出验证
for word in res:
    print(word)

两种方案输出结果均和预期完全一致。

内容的提问来源于stack exchange，提问作者Ravi