Python正则表达式：如何提取所有重复出现的指定模式并移除无关文本

嘿，这个正则提取的问题我熟，来给你一步步解决～

首先，你遇到的核心问题是：原来的正则没法处理末尾没有跟随目标模式的多余文本，导致最后残留了foobar。这里有两种简单可靠的解决思路：

方法一：提取所有匹配项再拼接（最直观） #

直接用re.findall找出所有符合你目标模式的子串，然后把它们拼接在一起，无关文本会自动被过滤掉，逻辑清晰还不容易出错。

示例代码：

import re

# 你的原始字符串
raw_text = "foo##abar#a##bfoo#bbar##afoo#a##bbar#bfoobar"
# 你要匹配的目标模式
target_pattern = r'##a.+?#a##b.+?#b'

# 提取所有匹配的子串
matched_parts = re.findall(target_pattern, raw_text)
# 把匹配到的部分拼接成结果
final_result = ''.join(matched_parts)

print(final_result)

运行后就会输出你想要的结果：

##abar#a##bfoo#b##afoo#a##bbar#b

为啥这个管用？因为findall会遍历整个字符串，把所有符合##a.+?#a##b.+?#b的子串都找出来，完全忽略那些无关的文本（开头的foo、中间的bar、末尾的foobar），最后拼接起来就是纯纯的目标内容啦。

方法二：用正则替换移除所有非目标内容 #

如果你更倾向于用替换的方式实现，也可以写一个正则，把所有不是目标模式的内容都替换为空。

示例代码：

import re

raw_text = "foo##abar#a##bfoo#bbar##afoo#a##bbar#bfoobar"
# 匹配：要么是目标模式（捕获到组1），要么是单个任意字符
replace_pattern = r'(##a.+?#a##b.+?#b)|.'

# 替换时只保留捕获到的目标模式，其他字符替换为空
final_result = re.sub(replace_pattern, r'\1', raw_text)

print(final_result)

这个思路是让正则“扫描”每一部分：如果碰到目标模式就保留它，否则就把单个字符替换成空，最终剩下的就是所有目标模式拼接的结果。

为啥你原来的正则不行？ #

你之前用的.*?(##a.+?#a##b.+?#b).*?，在全局替换时，最后那段没有目标模式跟随的foobar，因为匹配不到后面的模式，所以.*?(PATTERN).*?没法覆盖它，导致残留。而上面的两种方法都能完美处理这种末尾无模式的情况。

备注：内容来源于stack exchange，提问作者eazyezy