在 Python 正则表达式中捕获重复子模式

问题描述：

在匹配电子邮件地址时，在我匹配了类似 的内容后yasar@webmail，我想捕获一个或多个(.w+)（我正在做的事情有点复杂，这只是一个例子），我尝试添加 (.\w+)+ ，但它只捕获最后一个匹配项。例如，yasar@webmail.something.edu.tr匹配但只包含.tr后yasar@webmail部分，所以我丢失了.something和.edu组。我可以在 Python 正则表达式中执行此操作吗？或者你建议先匹配所有内容，然后再拆分子模式？

解决方案 1：

re模块不支持重复捕获（regex支持）：

>>> m = regex.match(r'([.w]+)@((w+)(.w+)+)', 'yasar@webmail.something.edu.tr')
>>> m.groups()
('yasar', 'webmail.something.edu.tr', 'webmail', '.tr')
>>> m.captures(4)
['.something', '.edu', '.tr']

对于你的情况，我会选择稍后拆分重复的子模式。这样可以得到简单易读的代码，例如，参见@Li-aung Yip 的回答中的代码。

解决方案 2：

(.w+)+您可以通过执行以下操作来解决仅捕获最后一场比赛的问题：((?:.w+)+)

解决方案 3：

这将起作用：

>>> regexp = r"[w.]+@(w+)(.w+)?(.w+)?(.w+)?(.w+)?(.w+)?"
>>> email_address = "william.adama@galactica.caprica.fleet.mil"
>>> m = re.match(regexp, email_address)
>>> m.groups()
('galactica', '.caprica', '.fleet', '.mil', None, None)

但最多只能有六个子组。更好的方法是：

>>> m = re.match(r"[w.]+@(.+)", email_address)
>>> m.groups()
('galactica.caprica.fleet.mil',)
>>> m.group(1).split('.')
['galactica', 'caprica', 'fleet', 'mil']

请注意，只要电子邮件地址简单，正则表达式就可以了 - 但有各种各样的事情会导致这种情况发生。有关电子邮件地址正则表达式的详细说明，请参阅此问题。