Question

有人可以解释为什么以下返回'cc'？

>>> re.match('(..)+', 'aabbcc').group(1)
'cc'

我被告知因为它将每场比赛放入组（1），所以最后一场比赛是'cc'。这是真的吗？

然后如何解释以下？

>>> re.match('(..)+(...)', 'aabbcc').group(1)
'aa'

Answer 1

重复捕获组：组号保持相同

(..)定义的组是第1组。+量词重复它。每次引擎能够重复该组（匹配两个字符）时，组1都会被覆盖。

检查第1组时，引擎返回cc。所有其他捕获都丢失了。

（.NET引擎除外，它还返回cc，但也允许您通过CaptureCollection对象检查中间捕获。它将包含aa，bb和{ {1}}。）

cc，为什么第1组包含(..)+(...)？回溯！

要理解这一点，我们再次需要遵循正则表达式引擎的路径。

再一次，当引擎开始匹配时，它会将aa捕获到第1组
同样，它重复aa组并将(..)捕获到第1组
同样，它重复bb组并将(..)捕获到第1组
引擎现在尝试匹配cc。它失败了：没有任何字符可供使用。
字符串和正则表达式模式中的引擎回溯。 (...)表示一次或多次，我们匹配+三次，因此我们可以给一个，甚至两个。在此阶段，引擎会放弃量化的..组的最后一场比赛，即(..)+。我们回到第1组cc。
引擎再次尝试匹配bb。只剩下两个字符：(...)，因此它再次失败。
引擎回溯，放弃量化cc组的最后一场比赛，即(..)+。在此阶段，第1组再次为bb。
引擎再次尝试匹配aa。它成功：第2组为(...)，第1组为bbc

<强>参考