Python 正则表达式 Findall 非贪婪

Question

我对正则表达式比较陌生，我似乎很难理解贪婪与非贪婪搜索（如果这确实是这里的问题）。 假设我有一个简单的文本，例如：

# 数字：4 A 3 B

我的目标是运行 findall 以获得类似以下 output 的内容：

['#号：'，'4 A 3 B'，'4 A'，'3 B']

因此，如果我将以下正则表达式与 findall 一起使用，我希望它能够工作：

matches = re.findall(r"(# numbers:)(((?:\s\d)(?:\s\D))*)", "# numbers: 4 A 3 B")

然而，实际的 output 是这样的：

[('# 个数字:', '4 A 3 B', '3 B')]

有人可以解释为什么组 ((\s\d)(\d\D)) 只匹配“3 B”而不匹配“4 A”吗？ 我认为这与 * 的贪婪与非贪婪搜索有关，这是真的吗？ 如果是这样，你能解释一下如何解决这个问题吗？

提前致谢！

Answer 1

我会在这里使用re.findall两次。 首先，提取数字/非数字文本系列，然后再次使用re.findall查找元组：

inp = "# numbers: 4 A 3 B"
text = re.findall(r'^# numbers:\s+(.*)$', inp)[0]
matches = re.findall(r'(\d+)\s+(\D+)', text)
print(matches)  # [('4', 'A '), ('3', 'B')]