Python3.6.2正则表达式求助：按<xxx>格式分割分段数据失败

我明白你遇到的困扰了——想要把以<xxx>（三个字母字符开头）的长字符串拆分成独立分段，但尝试的正则要么匹配整个字符串，要么只能拿到分段标识加一个字符。下面给你两种可行的解决方案，顺便分析下之前尝试的问题出在哪。

方法一：使用正向预查的正则匹配 #

这是最直接的方式，通过正向预查告诉正则什么时候停止匹配：

import re

target_str = '<AAA>q2w *dc<BBB>12sd<CCC>wer(4rf) q w ddcd<DDD> w erdfWED#2w'
# 正则表达式：匹配<三个字母>开头，直到下一个<三个字母>或字符串结尾的内容
pattern = r'(<[A-Za-z]{3}>.*?)(?=<[A-Za-z]{3}>|$)'
segments = re.findall(pattern, target_str)
print(segments)

运行结果会是你预期的分段：

['<AAA>q2w *dc', '<BBB>12sd', '<CCC>wer(4rf) q w ddcd', '<DDD> w erdfWED#2w']

正则各部分解释： #

• <[A-Za-z]{3}>：精准匹配分段开头的标识，[A-Za-z]确保只匹配字母（避免\w包含下划线/数字的问题），{3}限制长度为3。
• .*?：非贪婪模式匹配任意字符（除换行），会尽可能少的匹配内容，直到满足后面的断言。
• (?=<[A-Za-z]{3}>|$)：正向预查断言，告诉正则“当后面遇到下一个分段标识，或者字符串结尾时，就停止匹配”，这是解决你之前问题的核心。

方法二：先拆分再组合 #

如果对正向预查不太熟悉，也可以用re.split先拆分字符串，再重新组合成分段：

import re

target_str = '<AAA>q2w *dc<BBB>12sd<CCC>wer(4rf) q w ddcd<DDD> w erdfWED#2w'
# 按分段标识拆分，同时保留标识本身（括号的作用）
split_parts = re.split(r'(<[A-Za-z]{3}>)', target_str)
# 过滤空字符串，然后两两组合标识和内容
segments = [''.join(split_parts[i:i+2]) for i in range(1, len(split_parts), 2)]
print(segments)

这个方法也能得到和上面完全一致的结果，逻辑更直观：先把字符串拆成['', '<AAA>', 'q2w *dc', '<BBB>', '12sd', ...]，再把相邻的标识和内容拼接起来。

为什么你之前的尝试失败了？ #

我们来逐个分析：

• (<\w{3}>.*)：.*是贪婪匹配，会从第一个<AAA>开始一直匹配到字符串结尾，所以只返回一个结果。
• (<\w{3}>.*?)：.*?是非贪婪模式，但没有终止条件，它会优先匹配0个字符，所以结果只拿到了每个分段标识本身。
• (<\w{3}>.+?)：.+?要求至少匹配一个字符，但同样没有终止条件，非贪婪模式下只匹配到第一个字符就停止了，所以得到<AAA>q这类结果。

内容的提问来源于stack exchange，提问作者Bill Morgan