非捕获组的正则表达式帮助答案

【问题标题】：Regex help on non-capturing groups非捕获组的正则表达式帮助
【发布时间】：2017-04-27 09:34:38
【问题描述】：

一定是重复的，但我好像找不到...

我正在使用一个组来匹配一个重复的子字符串。但是，我不希望该组被捕获。这似乎是一个矛盾。

明确地说，假设我想找到所有大写子集字符串的 3 个精确副本之后的任何字符。对于

s = 'hjgABABABfgfBBdqCCCugDDD'
              |         |

它应该返回

['f', 'u']

我可以很好地找到重复的字符串和后面的字符

import re
print(re.findall(r'([A-Z]+)\1{2}(.)', s))

给了

[('AB', 'f'), ('C', 'u')]

我可以轻松解析结果列表并获得第二个项目。但是有没有一种正则表达式方法可以让第二个项目开始？如果我尝试做

print(re.findall(r'(?:[A-Z]+)\1{2}(.)', s))

我明白了

raise source.error("invalid group reference", len(escape)) sre_constants.error: invalid group reference at position 10

我会很感激简短的验证，该问题确实是非捕获要求和检测重复所需的捕获之间的冲突。然后一个聪明的想法如何巧妙地实现目标。

【问题讨论】：

【解决方案1】：

这行不通的原因是当你写\1时你基本上说的是“第一组的内容”，如果组是非捕获的，这当然是未定义的。

【讨论】：

【解决方案2】：

一旦您在模式中定义了多个捕获组，re.findall 将始终获取元组列表，因此您不能在此处使用“仅正则表达式”方法。

使用re.finditer 获取所有匹配数据对象并仅从每个匹配中获取第 2 组内容：

print([x.group(2) for x in re.finditer(r'([A-Z]+)\1{2}(.)', s)])

【讨论】：