正则表达式只捕获重复组的最后一次出现

Question

我试图从这样的字符串中使用Python 正则表达式捕获多个 "<attribute> = <value>" 对：

  some(code) ' <tag attrib1="some_value" attrib2="value2"                   en=""/>

正则表达式'\\s*<tag(?:\\s*(\\w+)\\s*=\\"(.*?)\\")*旨在多次匹配这些对，即返回类似

"attrib1", "some_value", "attrib2", "value2", "en", ""

但它只捕获最后一次出现：

>>> import re
>>> re.search("'\s*<tag(?:\s*(\w+)\s*=\"(.*?)\")*", '  some(code) \' <tag attrib1="some_value" attrib2="value2"                   en=""/>').groups()
('en', '')

专注于 <attrib>="<value>" 作品：

>>> re.findall("(?:\s*(\w+)\s*=\"(.*?)\")", '  some(code) \' <tag attrib1="some_value" attrib2="value2"                   en=""/>')
[('attrib1', 'some_value'), ('attrib2', 'value2'), ('en', '')]

所以一个实用的解决方案可能是在运行这个正则表达式之前测试"<tag" in string ，但是..

为什么原始正则表达式只捕获最后一次出现的情况以及需要更改哪些内容才能使其按预期工作？

Answer 1

这就是正则表达式的工作原理：您定义了一个捕获组，因此只有一个捕获组。 当它首先捕获某物，然后捕获另一物时，第一个捕获的项目将被替换。这就是为什么您只能获得最后一个捕获的项目。
我所知道的没有解决方案......

Answer 2

不幸的是，python 的re模块无法做到这一点。 但是regex为此提供了captures和capturesdict函数：

>>> m = regex.match(r"(?:(?P<word>\w+) (?P<digits>\d+)\n)+", "one 1\ntwo 2\nthree 3\n")
>>> m.groupdict()
{'word': 'three', 'digits': '3'}
>>> m.captures("word")
['one', 'two', 'three']
>>> m.captures("digits")
['1', '2', '3']
>>> m.capturesdict()
{'word': ['one', 'two', 'three'], 'digits': ['1', '2', '3']}

Answer 3

从文档搜索中将只返回一次。 findAll 方法返回列表中的所有匹配项。 这就是您需要使用的，就像在您的第二个示例中一样。