Python regulärer Ausdruck nicht alle Gruppen

Question

Rückkehr Ich habe eine Zeichenfolge wie folgt:

<hello<world<1 \< 2>, die "hello", "world", "1 < 2" eine Liste mit drei Saiten darstellt. Ich möchte, dass mein regulärer Ausdruck mit ("hello", "world", "1 \< 2") übereinstimmt. (Ich entferne die Backslashes später in der Auswertung). Ich verwende den folgenden regulären Ausdruck, den Text zu entsprechen:

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

So wie ich es verstehe, es passt zumindest eine (< mit einer beliebigen Anzahl von nicht <> oder \anything, nachdem es) und dann eine Schließung > , aber die Ergebnisse deuten nicht darauf hin. Mit re.match(..., ...).groups(), erhalte ich folgend:

>>> 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>' 

Was ist verwirrend, dass group(0) ist nicht einmal in groups(), und es scheint, dass der Rest des Teils ist nicht in group(...). Ist etwas falsch mit meinem regulären Ausdruck oder Ansatz, und wie sollte ich es beheben?

Um klar zu sein, ich baue einen Lexer für eine Golf-Sprache mit Regex, so dass es durch etwas wie ein Char-by-Char-Lexer zu ersetzen wäre unbequem, da ich bereits den regulären Ausdruck Lexer und die meisten Ausdrücke haben Konfiguration. Ich frage mich, ob eine reine Regex-Lösung möglich ist.

Answer 1

Sie können dies versuchen:

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

Ausgang:

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