Python正则表达式：提取两标识间字符串且不含标识本身

嘿，我来帮你搞定这个正则提取的问题！你现在遇到的情况是，用re.findall(r'12cd.*56gh', a)提取时，结果会把12cd和56gh也包含进去，而且因为.*是贪婪匹配，还可能直接匹配从第一个12cd到最后一个56gh的整段内容，完全不符合预期。下面给你两种靠谱的解决方案：

方法一：使用捕获组（最直观） #

我们可以用括号把想要提取的中间内容括起来，re.findall会自动返回捕获组里的内容，同时要把.*改成.*?（非贪婪匹配），这样它会匹配到最近的56gh就停止，而不是一直吃到最后一个。

示例代码：

import re
a = "12cdanfaw3i8hanjwofaef56ghah398hafadsf12cds;dkh38hfasdf56ghaldkshf12cdasdiuhf93f2asdf56gh"
# 用括号捕获12cd和56gh之间的内容，非贪婪匹配
result = re.findall(r'12cd(.*?)56gh', a)
print(result)
# 输出: ['anfaw3i8hanjwofaef', 's;dkh38hfasdf', 'asdiuhf93f2asdf']

方法二：使用零宽断言（无捕获组） #

如果你不想用捕获组，可以用正则的零宽断言功能，它能匹配到符合前后条件的内容，但不会把前后的标识（12cd和56gh）包含进去：

• (?<=12cd)：反向预查，确保当前位置前面是12cd，但不包含它
• (?=56gh)：正向预查，确保当前位置后面是56gh，但不包含它

示例代码：

import re
a = "12cdanfaw3i8hanjwofaef56ghah398hafadsf12cds;dkh38hfasdf56ghaldkshf12cdasdiuhf93f2asdf56gh"
# 用零宽断言定位前后标识，提取中间内容
result = re.findall(r'(?<=12cd).*?(?=56gh)', a)
print(result)
# 输出同样是预期的三个字符串

两种方法都能完美得到你想要的结果，捕获组的写法更直观易懂，零宽断言则不需要依赖捕获组的返回逻辑，你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者Carol Ward