为什么正则(\d)\d\1无法匹配交替重复数字？Python re.findall仅返回5

你碰到的返回结果偏差，是Python re模块两个基础机制共同导致的：

• re.findall的返回规则：当正则存在捕获组时，函数默认返回每个匹配对应的捕获组内容列表，而非完整的匹配字符串。你写的(\d)\d\1只设置了1个捕获组，就算成功命中完整的525三字符片段，也只会返回捕获组记录的单个数字，不会返回片段中间的字符、以及和第一个数字同值的尾部字符。
• 非重叠匹配的默认逻辑：Python re模块扫描字符串时，每完成一次匹配，下一次的扫描起点会直接跳到本次匹配的结束位置之后，不会主动查找和已匹配片段重叠的内容。对应你的示例字符串552523，扫描过程为：

  从头开始寻找符合(\d)\d\1的片段时，第一个命中的是索引1到3位置的525（字符为位置1的5、位置2的2、位置3的5），匹配结束在位置3，下一次扫描直接从位置4开始；而位于索引2到4位置的252片段，因为和上一次的匹配共享了位置3的字符，属于重叠内容，直接被跳过。

这也是你运行代码后只返回单个5、没有拿到后续2的根本原因。

要拿到示例中(5,5)、(2,2)的数字配对，只需要对正则逻辑做两处调整：

• 把需要提取的两个相同数字都设置为独立捕获组，方便findall直接返回配对内容，替代原来单捕获组的写法。
• 用零宽正向前瞻结构实现重叠位置的扫描，避免因为非重叠匹配漏掉跨位置的符合规则的片段。

调整后的正则表达式为：(?=(\d)\d(\1))
这个正则的逻辑是：从字符串的每个位置开始，向后窥探3个字符的长度，不实际消耗当前扫描位置的字符（零宽特性），只要发现第一个和第三个字符是相同数字（符合ABA的交替重复结构），就把这两个相同数字作为捕获组内容记录下来。

对应示例的实际运行效果：

示例代码：re.findall(r'(?=(\d)\d(\1))', '552523')
运行返回：[('5', '5'), ('2', '2')]

如果需要得到整数类型的配对，只要把返回结果里的字符串元素转换为对应整数即可。

内容的提问来源于stack exchange，提问作者Sasi Kanth