正则表达式匹配首d尾c子串：为何结果缺失'dcc'？

你遇到的问题核心在于正则表达式的匹配机制和re.findall的工作方式，咱们一步步拆解：

为什么当前正则只返回['dc']？ #

你用的r"d.*?c"是非贪婪匹配：

1. 它从字符串的第一个d开始匹配，然后找最短的能到c的路径——也就是第一个遇到的c（位置1的那个），所以第一个匹配结果是dc。
2. re.findall在找到一个匹配后，会从这个匹配的结束位置（也就是索引1）开始继续查找下一个匹配。此时剩下的字符串是c，没有d开头的子串，所以不会有第二个结果。

而你期望的['dc', 'dcc']是从同一个d出发，匹配到后续所有c结尾的子串，这属于重叠匹配的范畴，但正则默认的匹配是“不重叠、匹配后移动指针”的，所以直接用findall+普通正则做不到。

解决方案 #

要得到所有以d开头、c结尾的子串，有两种常见方式：

方式一：手动遍历生成（直观易懂） #

先找到所有d的位置，再对每个d，找到它后面所有c的位置，然后截取对应的子串：

import re

s = "dcc"
result = []
# 找到所有d的索引
d_positions = [idx for idx, char in enumerate(s) if char == 'd']
for d_idx in d_positions:
    # 找到当前d之后所有c的索引
    c_positions = [idx for idx, char in enumerate(s) if char == 'c' and idx > d_idx]
    for c_idx in c_positions:
        result.append(s[d_idx:c_idx+1])

print(result)  # 输出: ['dc', 'dcc']

方式二：结合正则与迭代（灵活适配复杂场景） #

如果字符串更复杂，需要用正则判断开头结尾，可以用re.finditer遍历每个可能的起始位置，检查是否符合d.*c的规则，再提取所有可能的子串：

import re

s = "dcc"
result = []
# 遍历每个可能的起始位置
for start in range(len(s)):
    # 从start位置开始匹配以d开头、c结尾的子串
    match = re.match(r"d.*c", s[start:])
    if match:
        full_match = match.group(0)
        # 拆分当前匹配中所有以d开头、c结尾的子串
        c_indices = [idx for idx, char in enumerate(full_match) if char == 'c' and idx > 0]
        for c_idx in c_indices:
            result.append(full_match[:c_idx+1])

print(result)  # 输出: ['dc', 'dcc']

补充说明 #

如果你的需求只是针对类似dcc这种简单字符串，方式一足够高效；如果是更复杂的正则匹配规则（比如中间有特定字符限制），方式二可以结合正则的优势来实现。

内容的提问来源于stack exchange，提问作者Onion123