我有代码：
import re
sequence="aabbaa"
rexp=re.compile("(aa|bb)+")
rexp.findall(sequence)
这将返回['aa']
如果我们有
import re
sequence="aabbaa"
rexp=re.compile("(aa|cc)+")
rexp.findall(sequence)
我们得到['aa','aa']
为什么有区别，为什么（对于第一个）我们没有得到['aa','bb','aa']？
谢谢！
【问题讨论】：
不想要的行为归结为您制定正则表达式的方式：
rexp=re.compile("(aa|bb)+")
括号(aa|bb) 组成一个组。
如果我们查看docs of findall，我们会看到：
返回字符串中所有不重叠的模式匹配，作为一个列表 字符串。从左到右扫描字符串，并返回匹配项 按照找到的顺序。 如果一个或多个组出现在模式中， 返回组列表；这将是一个元组列表，如果模式 有多个组。结果中包含空匹配项 除非他们触及另一场比赛的开始。**
当你组成一个组时，它首先计算 aa，然后是 bb，然后是 aa（因为 + 量词）。所以这个组最后持有aa。而findall在列表['aa']中返回这个值（因为整个表达式只有一个匹配aabbaa，所以列表中只有一个元素aa保存在组中）。
根据您提供的代码，您似乎想要这样做：
>>> rexp=re.compile("(?:aa|bb)+")
>>> rexp.findall(sequence)
['aabbaa']
(?: ...) 不创建任何组，因此findall 返回整个表达式的匹配项。
在您的问题结束时，您会显示所需的输出。这可以通过查找aa 或bb 来实现。不需要量词（+ 或 *）。就按照 Inbar Rose 的回答来做吧：
>>> rexp=re.compile("aa|bb")
>>> rexp.findall(sequence)
['aa', 'bb', 'aa']
【讨论】：
让我解释一下你在做什么：
regex = re.compile("(aa|bb)+")
您正在创建一个正则表达式，它将查找 aa 或 bb，然后尝试查找是否还有更多 aa 或 bb，然后它将继续寻找 aa 或 @ 987654327@ 直到找不到。因为您希望您的捕获组仅返回 aa 或 bb，所以您只能获得最后一个捕获/找到的组。
然而，如果你有一个这样的字符串：aaxaabbxaa，你会得到aa,bb,aa，因为你首先查看字符串并找到aa，然后再寻找更多，却只找到x，所以你有1组。然后你找到另一个aa，然后你找到一个bb，然后是一个x，所以你停下来，你有了第二组bb。然后你找到另一个aa。所以你的最终结果是aa,bb,aa
我希望这能解释你在做什么。正如预期的那样。要获得aa 或bb 的任何组，您需要删除+，它告诉正则表达式在返回匹配之前寻找多个组。并且只需让正则表达式返回aa 或bb 的每个匹配项...
所以你的正则表达式应该是：
regex = re.compile("(aa|bb)")
干杯。
【讨论】：
你的模式
rexp=re.compile("(aa|bb)+")
匹配整个字符串 aabbaa。澄清一下看看这个
>>> re.match(re.compile("(aa|bb)+"),"aabbaa").group(0)
'aabbaa'
也没有其他子字符串可以匹配
>>> re.match(re.compile("(aa|bb)+"),"aabbaa").group(1)
'aa'
所以 findall 将只返回一个子字符串
>>> re.findall(re.compile("(aa|bb)+"),"aabbaa")
['aa']
>>>
【讨论】：
我不明白你为什么使用 + - 这意味着出现 0 或 1 次，通常用于查找可选包含子字符串的字符串。
>>> re.findall(r'(aa|bb)', 'aabbaa')
['aa', 'bb', 'aa']
按预期工作
【讨论】：
+ 不代表 0 或 1，应该是 ?。 + 表示 1 个或多个。
+ 表示 one or more matches 而 ? 表示 matches one or no matches 。我不知道您所说的“通常在您想要查找带有可选包含子字符串的字符串时使用”是什么意思。但它具有误导性。答案是，如果您想捕获具有可选值的组，您可以按照上面的回答进行操作。在正则表达式中包含+ 会导致它寻找多个捕获组并仅返回他捕获的最后一个。如果他们是并发/互相跟随。