为什么重复捕获组返回这些字符串？

Question

有人能解释一下为什么返回“cc”吗？在

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

有人告诉我，因为它把每一场比赛分到第（1）组，所以最后一场比赛是'cc'。是真的吗？在

那下面怎么解释呢？在

^{2}$

Answer 1

重复捕获组：组号保持不变

(..)定义的组是组1。+量词重复它。每次引擎能够重复组（匹配两个字符），组1就会被覆盖。在

• 当引擎开始匹配时，它将aa捕获到组1
• 然后将bb捕捉到第1组
• 然后将cc捕获到组1。在

检查组1时，引擎返回cc。所有其他捕获都将丢失。在

（一个例外是.NET引擎，它也返回cc，但由于CaptureCollection对象，它还允许您检查中间捕获。它将包含aa、bb和{}。）

对于(..)+(...)，组1为什么包含aa？回溯！

要理解这一点，我们需要再次遵循正则表达式引擎的路径。在

• 再次，当引擎开始匹配时，它将aa捕捉到组1
• 同样，它重复(..)组并将bb捕获到组1
• 同样，它重复(..)组并将cc捕获到组1
• 引擎现在尝试匹配(...)。它失败了：没有剩余的字符可供使用。在
• 引擎在字符串和regex模式中回溯。+表示一次或多次，我们匹配了..三次，所以我们可以放弃一次，甚至两次。在这个阶段，引擎放弃量化的(..)+组的最后一个匹配，即cc。我们回到了第一组是bb的时候。在
• 引擎再次尝试匹配(...)。只剩下两个字符：cc，所以它又失败了。在
• 引擎通过放弃量化的(..)+组的最后一个匹配，即bb，来回溯。在这个阶段，第1组又是aa。在
• 引擎再次尝试匹配(...)。它成功了：组2是bbc，组1是aa

参考

• Capture Group Numbering & Naming: The Gory Details
• Backreferences