python之在正则表达式中替代匹配 "|"与 .* 的行为

我很少用 |连同 .* 之前。但是今天当我同时使用它们时，我发现一些结果真的很困惑。我使用的表达式如下(在 python 中):

>>> s = "abcdefg" 
>>> re.findall(r"((a.*?c)|(.*g))",s) 
[('abc',''),('','defg')] 

第一次捕获的结果是好的，但是第二次捕获出乎我的意料，因为我预计第二次捕获是“abcdefg”(整个字符串)。

然后我颠倒这两种选择:

>>> re.findall(r"(.*?g)|(a.*?c)",s) 
[('abcdefg', '')] 

似乎正则表达式引擎只读取一次字符串 - 当整个字符串在第一个备选方案中被读取时，正则表达式引擎将停止并且不再检查第二个备选方案。但是，对于第一种情况，正则引擎在处理完第一种备选方案后，只读取了“a”到“c”，字符串中还剩下“d”到“g”，匹配“.*? g"在第二个选项中。我做对了吗？更重要的是，对于带有替代项的表达式，正则表达式引擎将首先检查第一个替代项，如果它与字符串匹配，则永远不会检查第二个替代项。是否正确？

此外，如果我想像第一种情况那样同时获得“abc”和“abcdefg”或“abc”和“bcde”(两个结果重叠)，我应该使用什么表达式？

非常感谢!

请您参考如下方法:

您不能从正则表达式中的相同位置开始两个匹配项(唯一的正则表达式风格是 Perl6)。

在re.findall(r"((a.*?c)|(.*g))",s)中，re.findall会抓取所有字符串中不重叠匹配，并且由于第一个从头开始，以c结束，下一个只能在c之后，在内找到defg.

(.*?g)|(a.*?c) 正则表达式匹配 abcdefg 因为正则表达式引擎从左到右解析字符串，而 .*? 将尽可能少地获取任何 0+ 个字符，但最多到第一个 g。由于 g 是最后一个字符，它将匹配并将整个字符串捕获到组 1 中。

要获取 abc 和 abcdefg，您可以使用，比如说

 (a.*?c)?.*g 

参见 regex demo

Python demo :

import re 
rx = r"(a.*?c)?.*g" 
s = "abcdefg" 
m = re.search(rx, s) 
if m: 
    print(m.group(0)) # => abcdefg 
    print(m.group(1)) # => abc 

这可能不是您真正想要的，但它应该给您一个提示:您匹配较大的部分，并捕获字符串的子部分。