如何在 Python 中找到正则表达式的所有匹配项？

问题描述：

当我使用该re.search()函数在文本块中查找匹配项时，一旦找到文本块中的第一个匹配项，程序就会退出。

我该如何重复执行此操作，直到找到所有匹配项后程序才会停止？是否有单独的函数可以执行此操作？

解决方案 1：

使用re.findall或re.finditer代替。

re.findall(pattern, string)返回匹配字符串的列表。

re.finditer(pattern, string)返回对象的迭代器MatchObject。

例子：

re.findall( r'all (.*?) are', 'all cats are smarter than dogs, all dogs are dumber than cats')
# Output: ['cats', 'dogs']

[x.group() for x in re.finditer( r'all (.*?) are', 'all cats are smarter than dogs, all dogs are dumber than cats')]
# Output: ['all cats are', 'all dogs are']

解决方案 2：

另一种方法（虽然已经过去了 13 年，但仍然与 OP 的初衷保持一致）是编译模式并调用search()已编译的模式并沿着模式移动。这有点冗长，但如果您不想进行前瞻等操作，或者想要更明确地搜索字符串，则可以使用以下函数。

import re

def find_all_matches(pattern, string, group=0):
    pat = re.compile(pattern)
    pos = 0
    out = []
    while m := pat.search(string, pos):
        pos = m.start() + 1
        out.append(m[group])
    return out

pat = r'all (.*?) are'
s = 'all cats are smarter than dogs, all dogs are dumber than cats'
find_all_matches(pat, s)           # ['all cats are', 'all dogs are']
find_all_matches(pat, s, group=1)  # ['cats', 'dogs']

这也适用于重叠匹配：

find_all_matches(r'(ww)', "hello")  # ['he', 'el', 'll', 'lo']

解决方案 3：

如果您有兴趣获取所有匹配项（包括重叠匹配项，与@Amber 的答案不同），有一个名为REmatch 的新库，它专门用于生成文本上正则表达式的所有匹配项，包括所有重叠匹配项。该工具支持一种更通用的带有捕获的正则表达式语言，称为 REQL。

例如，正则表达式!x{...}将给出三个连续字符的所有三元组（包括重叠三元组）。

该方法应该比@cottontail 的答案（在输入字符串中是一般二次函数）更有效。

您可以在此处在线尝试 REmatch ，并在此处获取 Python 代码。

免责声明：我认识该工具的作者。:)