Python中使用re.findall匹配字节对象特定开头序列的问题

我帮你排查下代码里的问题，顺便给出能实现需求的方案：

首先说你代码里的几个核心问题：

• 没必要用binascii.b2a_hex把二进制转成十六进制字节串，直接操作原始二进制数据更简单，而且偏移量计算会和你用GUI编辑器看到的完全一致
• 正则表达式写错了：二进制模式下b'\x([A-Z])'是无效语法，你要匹配的是0x24（也就是ASCII的$）开头，后面跟3-10个任意字节的话，正则应该写成b'\x24.{3,10}'；如果后面的字节有特定范围要求（比如只匹配ASCII大写字母），再把.{3,10}改成[A-Z]{3,10}
• 循环list(data)完全是多余的，re.findall直接作用在二进制数据上就行，而且你要获取偏移量的话，findall满足不了，得用re.finditer
• 关于用groupdict：那是针对带命名分组的正则，你这个需求不需要，用finditer返回的匹配对象就能直接拿到偏移和内容

下面是修正后的完整代码：

import re
import binascii  # 如果需要转十六进制字符串的话用

infile = "my_file.bin"  # 替换成你的文件路径

# 存储匹配到的序列（可以是二进制或十六进制字符串）
match_list = []
# 存储偏移量与对应序列的字典，键是偏移量，值是序列
match_offset_dict = {}

with open(infile, "rb") as f:
    raw_data = f.read()
    # 编译正则：匹配0x24开头，后续3-10个任意字节的序列
    # 若要限定后续字节范围，比如只匹配ASCII大写字母，改成 b'\x24[A-Z]{3,10}'
    pattern = re.compile(b'\x24.{3,10}')
    
    # 遍历所有匹配结果
    for match in pattern.finditer(raw_data):
        # 获取原始二进制序列
        binary_seq = match.group()
        # 获取序列在文件中的起始字节偏移
        start_offset = match.start()
        
        # 如果你需要和GUI编辑器里一样的十六进制字符串格式，就转一下
        hex_seq = binascii.hexlify(binary_seq).upper().decode('ascii')
        
        # 添加到列表（选二进制或十六进制版本，根据你的需求）
        match_list.append(hex_seq)  # 或者 append(binary_seq)
        # 添加到字典
        match_offset_dict[start_offset] = hex_seq  # 或者 binary_seq

# 验证结果
print("匹配到的序列列表：", match_list)
print("偏移量-序列字典：", match_offset_dict)

几个关键说明：

1. 直接读取二进制文件的原始数据，这样match.start()返回的偏移量就是你在GUI十六进制编辑器里看到的字节偏移，完全对应
2. re.finditer返回的每个Match对象，不仅能拿到匹配的内容，还能获取起始/结束偏移，完美满足你要同时存序列和偏移的需求
3. 如果需要把二进制序列转成十六进制字符串（比如像GUI里显示的24414243这样的格式），就用binascii.hexlify转换，再转成大写和字符串格式就行

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