正则表达式：如何访问多个匹配的组？

Question

我正在编写一个比较复杂的正则表达式。其中一部分是用来匹配像 '+a'、'-57' 这样的字符串，也就是一个 '+' 或 '-' 后面跟着任意数量的字母或数字。我想要匹配0个或多个符合这个模式的字符串。

这是我想出来的表达式：

([\+-][a-zA-Z0-9]+)*

如果我用这个模式去搜索字符串 '-56+a'，我希望能找到两个匹配项：

+a 和 -56

但是，我只得到了最后一个匹配项：

>>> m = re.match("([\+-][a-zA-Z0-9]+)*", '-56+a')
>>> m.groups()
('+a',)

查看 Python 的文档，我发现：

如果一个组匹配了多次，只有最后一个匹配项是可以访问的：

>>> m = re.match(r"(..)+", "a1b2c3")  # Matches 3 times.
>>> m.group(1)                        # Returns only the last match.
'c3'

所以，我的问题是：如何才能访问多个匹配的组呢？

Answer 1

regex模块解决了这个问题，它增加了一个叫做.captures的方法：

>>> m = regex.match(r"(..)+", "a1b2c3")
>>> m.captures(1)
['a1', 'b2', 'c3']

Answer 2

把你的正则表达式中的*去掉，这样它就只会匹配一次你想要的模式。然后可以使用re.findall(...)或者re.finditer（详细信息可以查看这里）来获取所有的匹配结果。

听起来你其实是在构建一个递归下降解析器。对于相对简单的解析任务，手动实现是很常见也很合理的。如果你对使用库的解决方案感兴趣（比如将来你的解析任务可能会变得更复杂），可以看看pyparsing。