如何提取正则表达式中各特殊匹配表达式的对应匹配内容？

你的需求核心是提取原正则表达式中“可变匹配单元”（比如.+、[0-9]+这类）对应的目标字符串内容，但原正则并没有显式添加捕获组。所以解决步骤分为两步：

1. 自动给原正则中的所有可变匹配单元添加捕获组；
2. 使用修改后的正则匹配目标字符串，提取捕获组结果。

第一步：转换原正则，添加捕获组 #

我们需要识别原正则中的可变匹配单元（排除转义的字面量），并给它们加上捕获括号。以下是实现函数：

import re

def enhance_regex_with_captures(original_regex):
    # 匹配各类需要捕获的可变匹配单元（含量词）
    # 覆盖：.+/.*、[xxx]+/[xxx]*、\d+/\w* 等预定义类加量词，支持所有常见量词
    capture_patterns = [
        # 匹配非转义的 . 加量词：.+、.*、.{3}、.{2,5} 等
        r'(?<!\\)\.(\+|\*|\?|\{\d+(?:,\d*)?\})',
        # 匹配非转义的字符集加量词：[a-z]+、[0-9]{2}、[^abc]* 等
        r'(?<!\\)\[[^\]]+\](\+|\*|\?|\{\d+(?:,\d*)?\})',
        # 匹配非转义的预定义字符类加量词：\d+、\w*、\s? 等
        r'(?<!\\)\\[dwsDWS](\+|\*|\?|\{\d+(?:,\d*)?\})'
    ]
    
    modified_regex = original_regex
    for pattern in capture_patterns:
        # 将匹配到的单元替换为带捕获组的形式
        modified_regex = re.sub(pattern, r'(\g<0>)', modified_regex)
    return modified_regex

第二步：匹配并提取结果 #

使用修改后的正则匹配目标字符串，提取所有捕获组的内容即可：

示例1测试

# 原正则（注意Python中需要转义反斜杠）
orig_regex = '.+abcd[0-9]+\\.mp3'
target_str = 'Aabcd09.mp3'

# 添加捕获组
enhanced_regex = enhance_regex_with_captures(orig_regex)
# 此时 enhanced_regex 为：(.+)abcd([0-9]+)\.mp3

# 匹配并提取
match_result = re.fullmatch(enhanced_regex, target_str)
if match_result:
    extracted = list(match_result.groups())
    print(extracted)  # 输出: ['A', '09']

示例2测试

orig_regex = '.+\\..+_[0-9]+\\.mp3'
target_str = 'A.abcd_09.mp3'

enhanced_regex = enhance_regex_with_captures(orig_regex)
# 此时 enhanced_regex 为：(.+)\.(.+)_([0-9]+)\.mp3

match_result = re.fullmatch(enhanced_regex, target_str)
if match_result:
    extracted = list(match_result.groups())
    print(extracted)  # 输出: ['A', 'abcd', '09']

• 如果原正则已经包含捕获组，这个方法会生成嵌套捕获组，结果中会包含原有的捕获内容。如果你的场景中原正则没有捕获组，这个方案完全适用；如果有，需要额外处理原有捕获组的去重。
• 该方案覆盖了常见的可变匹配单元和量词，如果有特殊的正则语法（比如环视、命名捕获组等），需要根据实际情况扩展capture_patterns的规则。
• 转义处理很关键：(?<!\\)确保我们不会把转义后的字面量（比如\.、\[）当成正则匹配单元。

内容的提问来源于stack exchange，提问作者onda47