Python正则表达式不返回所有组

Question

我有一个这样的字符串：

<hello<world<1 \< 2>，表示三个字符串"hello", "world", "1 < 2"的列表。我希望我的正则表达式能够匹配("hello", "world", "1 \< 2")。 （我将在稍后的评估中删除反斜杠）。我正在使用以下正则表达式来匹配文本：

r"(?:<((?:[^<>]|\\.)*))+>"

按照我的理解，它至少匹配一个（< 后面有任意数量的非<> 或\anything），然后是结束>，但结果并不表明。使用re.match(..., ...).groups()，我得到以下信息：

>>> import re
>>> re.match(r"(?:<((?:[^<>]|\\.)*))+>", r"<hello<world<1 \< 2>").groups()
<<< (' 2',)
>>> re.match(r"(?:<((?:[^<>]|\\.)*))+>", r"<hello<world<1 \< 2>").group(0)
<<< '<hello<world<1 \\< 2>'

令人困惑的是group(0) 甚至不在groups() 中，而且似乎其余的子字符串不在group(...) 中。我的正则表达式或方法有问题，我应该如何解决？

需要明确的是，我正在使用正则表达式为高尔夫语言构建词法分析器，因此将其替换为逐字符词法分析器会很不方便，因为我已经有了正则表达式词法分析器和大部分表达式集向上。我想知道是否可以使用纯正则表达式解决方案。

Answer 1

你可以试试这个：

s = "<hello<world<1 \< 2>"
import re
l = [i for i in re.split("\<(?!\s\d)|\>", s) if i]

输出：

['hello', 'world', '1 \\< 2']