Python re.finditer match.groups() 不包含匹配中的所有組

Question

我正在嘗試在 Python 中使用正則表達式從多行搜索中查找和打印所有匹配的行。 我正在搜索的文本可能具有以下示例結構：

AAA
ABC1
ABC2
ABC3
AAA
ABC1
ABC2
ABC3
ABC4
ABC
AAA
ABC1
AAA

我想從中檢索至少出現一次並以AAA開頭的ABC* 。

問題是，盡管小組抓住了我想要的東西：

match = <_sre.SRE_Match object; span=(19, 38), match='AAA\nABC2\nABC3\nABC4\n'>

...我只能訪問該組的最后一場比賽：

match groups = ('AAA\n', 'ABC4\n')

下面是我用於此問題的示例代碼。

#! python
import sys
import re
import os

string = "AAA\nABC1\nABC2\nABC3\nAAA\nABC1\nABC2\nABC3\nABC4\nABC\nAAA\nABC1\nAAA\n"
print(string)

p_MATCHES = []
p_MATCHES.append( (re.compile('(AAA\n)(ABC[0-9]\n){1,}')) ) #   
matches = re.finditer(p_MATCHES[0],string)

for match in matches:
    strout = ''
    gr_iter=0
    print("match = "+str(match))
    print("match groups = "+str(match.groups()))
    for group in match.groups():
    gr_iter+=1
    sys.stdout.write("TEST GROUP:"+str(gr_iter)+"\t"+group) # test output
    if group is not None:
        if group != '':
            strout+= '"'+group.replace("\n","",1)+'"'+'\n'
sys.stdout.write("\nCOMPLETE RESULT:\n"+strout+"====\n")

Answer 1

這是您的正則表達式：

(AAA\r\n)(ABC[0-9]\r\n){1,}

Debuggex演示

您的目標是捕獲緊隨AAA 所有 ABC# 。 如您在此Debuggex演示中所見，所有ABC#確實都已匹配（它們以黃色突出顯示）。 但是，由於只有“正在重復的內容”部分

ABC[0-9]\r\n

被捕獲 （在括號內）及其量詞 ，

{1,}

未被捕獲，因此將導致除最后一場比賽之外的所有比賽都被丟棄。 要獲取它們，還必須捕獲量詞：

AAA\r\n((?:ABC[0-9]\r\n){1,})

Debuggex演示

我已將“正在重復的內容”部分（ ABC[0-9]\\r\\n ）放入一個非捕獲組 。 （由於您似乎不需要AAA ，因此我也已停止捕獲它。）

捕獲的文本可以在換行符上分割，並且將為您提供所有所需的內容。

（請注意， \\n本身在Debuggex中不起作用。它需要\\r\\n 。）

---

這是一種解決方法。 沒有太多的正則表達式類型可以通過重復捕獲（哪些捕獲？）進行迭代。 一種更普通的方法是遍歷並處理找到的每個匹配項。 這是來自Java的示例：

   import java.util.regex.*;

public class RepeatingCaptureGroupsDemo {
   public static void main(String[] args) {
      String input = "I have a cat, but I like my dog better.";

      Pattern p = Pattern.compile("(mouse|cat|dog|wolf|bear|human)");
      Matcher m = p.matcher(input);

      while (m.find()) {
         System.out.println(m.group());
      }
   }
}

輸出：

cat
dog

（摘自http://ocpsoft.org/opensource/guide-to-regular-expressions-in-java-part-1/ ，大約減少了1/4）

---

請考慮將“ 堆棧溢出正則表達式” FAQ標記為書簽，以備將來參考。 這個答案中的鏈接來自它。

Answer 2

您希望以最貪婪的方式在AAA\\n之后出現連續ABC\\n的模式。 您還需要連續的ABC\\n組，而不是該組和最近的ABC\\n的元組。 因此，在您的正則表達式中，排除組內的子組。 注意模式，寫出代表整個字符串的模式。

AAA\n(ABC[0-9]\n)+

然后用 () 捕獲您感興趣的那個，同時記住要排除子組

AAA\n((?:ABC[0-9]\n)+)

然后您可以使用 findall() 或 finditer()。 我發現 findIter 更容易，尤其是當您處理多個捕獲時。 查找器：-

import re
matches_iter = re.finditer(r'AAA\n((?:ABC[0-9]\n)+)', string)

[print(i.group(1)) for i in matches_iter]

findall，使用原來的 {1,} 作為其更冗長的 + 形式：-

matches_all = re.findall(r'AAA\n((?:ABC[0-9]\n){1,})', string)

[[print(x) for x in y.split("\n")] for y in matches_all]