正则表达式捕获组未获取完整匹配内容的问题咨询

问题原因 #

当捕获组被量词（比如你用到的*）修饰时，捕获组只会保留最后一次匹配到的内容，不会累积所有匹配结果。
你的正则'(/[a-zA-Z]+)*/([a-zA-Z]+)\.?$'中，(/[a-zA-Z]+)*会依次匹配路径里的/foo、/bar两段，每次匹配都会覆盖第一个捕获组的存储值，最终第一个捕获组就只剩下最后一次匹配到的/bar，不会保留之前的/foo。

修复方案 #

如果要捕获前面所有的父路径段，需要把重复匹配的逻辑放在非捕获组里，再在外层套一个捕获组来保存所有匹配内容：
修正后的正则为：
^((?:/[a-zA-Z]+)*)/([a-zA-Z]+)(?:\.[a-zA-Z]+)?$

说明：

• (?:/[a-zA-Z]+) 是不占用捕获组序号的非捕获组，用来匹配单级路径段
• 外层的()把所有重复的父路径段都包裹为第一个捕获组，会保留完整的父路径内容
• 末尾的(?:\.[a-zA-Z]+)?可以更严谨地匹配可选的文件后缀，避免路径名本身带点的情况被误截断，符合你无文件后缀的匹配要求

运行验证 #

测试代码如下：

import re
# 修正后的正则
regex = re.compile(r'^((?:/[a-zA-Z]+)*)/([a-zA-Z]+)(?:\.[a-zA-Z]+)?$')
# 测试无后缀的多级路径
match = regex.match('/foo/bar/baz')
print(match.group(1)) # 输出 /foo/bar
print(match.group(2)) # 输出 baz
# 测试带文件后缀的路径
match2 = regex.match('/user/profile/info.html')
print(match2.group(1)) # 输出 /user/profile
print(match2.group(2)) # 输出 info

内容的提问来源于stack exchange，提问作者Anthony Bias