Python re.findall() 和优先级

Question

我该如何使用re.findall()函数来获取一个匹配实例的列表，当我在正则表达式模式中使用嵌套括号来考虑优先级时？

举个例子：

import re
string = 'blah blah 12234 (12) (23) (34)'
print re.findall(r'\((\d)+)\)', string)

这段代码输出：

  [('12', '2'), ('23', '3'), ('34', '4')]

而不是预期的结果

  ['12', '23', '34']

当然，在这种情况下，可以通过简单地更改内部括号来修复这个问题：

print re.findall(r'\((\d+)\)', string)

有没有什么方法可以明确处理优先级，而不影响结果呢？

Answer 1

\((\d+)\)

这个可以用。你可以看看演示。

http://regex101.com/r/wE3dU7/2

Answer 2

你不需要去捕捉任何东西。只要在你的正则表达式中使用正向回顾和正向前瞻就可以了。

>>> import re
>>> string = 'blah blah 12234 (12) (23) (34)'
>>> print re.findall(r'(?<=\()\d+(?=\))', string)
['12', '23', '34']

你需要把+放在捕获组里面。

>>> print re.findall(r'\((\d+)\)', string)
['12', '23', '34']

Answer 3

你可以理解为外面的括号就是要匹配的括号字符。

>>> print re.findall(r'\((\d+)\)', s)
['12', '23', '34']
>>>

如果你想说的是只有在一对平衡的括号里面才匹配某个表达式，那我得告诉你一个坏消息：正则表达式的语言能力不够，无法做到这一点（因为这种语法不是“正则”的）。这不是Python实现的问题……这是一个连理论上都无法用正则表达式解决的问题（换句话说，我们知道怎么解决，但我们知道这是不可能的）。

你需要写一些明确的Python代码来解析任意嵌套的语法（如果你在意嵌套的层级）。正则表达式是无法“计数”层级的，它们是有限状态自动机；这需要内存，至少需要一个下推自动机。