我有一个看起来像这样的文件：
useless stuff
fruit: apple
fruit: banana
useless stuff
fruit: kiwi
fruit: orange
fruit: pear
useless stuff
这个想法是按照它们出现的顺序和分组来捕获所有水果名称。对于上面的示例，输出必须类似于：
[['apple', 'banana'], ['kiwi', 'orange', 'pear']]
我通过遍历多行 regexp 的所有匹配项来成功地做到这一点，'^fruit: (.+)$'如果发现它们的行彼此跟随，则将水果名称添加到相同的给定列表中。
但是，这对于对水果名称进行替换是不切实际的（跟踪匹配开始和结束索引成为强制性的），所以我更愿意在单个正则表达式中执行此操作。
我试过这个：
re.findall(r'(?:^fruit: (.+)$\n)+', thetext, re.M)
但它只返回一行。
我哪里错了？
这允许您保留您的正则表达式，正如您所说，您以后可能需要更复杂的表达式：
>>> import re
>>> from itertools import groupby
>>> with open('test.txt') as fin:
groups = groupby((re.match(r'(?:fruit: )(.+)', line) for line in fin),
key=bool) # groups based on whether each line matched
print [[m.group(1) for m in g] for k, g in groups if k]
# prints each matching group
[['apple', 'banana'], ['kiwi', 'orange', 'pear']]
没有正则表达式：
>>> with open('test.txt') as f:
print [[x.split()[1] for x in g]
for k, g in groupby(f, key=lambda s: s.startswith('fruit'))
if k]
[['apple', 'banana'], ['kiwi', 'orange', 'pear']]
我认为如果您像这样使内部组不捕获，您会看到问题：
re.findall(r'(?:^fruit: (?:.+)$\n)+', thetext, re.M)
# result:
['fruit: apple\nfruit: banana\n', 'fruit: kiwi\nfruit: orange\nfruit: pear\n']
问题是每个匹配都匹配一整行行fruit:，但捕获组（在您的原始解决方案中）捕获多次。由于捕获组只能有一个与之关联的值，因此它以最后一个捕获的子字符串结束（我认为 last 的选择是任意的；我不会指望这种行为）。
另一种方式：
import re
with open('input') as file:
lines = "".join(file.readlines())
fruits = [[]]
for fruit in re.findall(r'(?:fruit: ([^\n]*))|(?:\n\n)', lines, re.S):
if fruit == '':
if len(fruits[-1]) > 0:
fruits.append([])
else:
fruits[-1].append(fruit)
del fruits[-1]
print fruits
输出
[['apple', 'banana'], ['kiwi', 'orange', 'pear']]
您不能在正则表达式中以这种方式进行“分组”，因为通常一个组只捕获其最新匹配项。一种解决方法是从字面上重复一个组：
matches = re.findall(r'(?m)(?:^fruit: (.+)\n)(?:^fruit: (.+)\n)?(?:^fruit: (.+)\n)?', text)
# [('apple', 'banana', ''), ('kiwi', 'orange', 'pear')]
如果这适合您的任务（例如，不超过 5-6 组），您可以轻松地即时生成此类表达式。如果没有，唯一的选择是两次匹配（我想这与您已经拥有的类似）：
matches = [re.findall(': (.+)', x)
for x in re.findall(r'(?m)((?:^fruit: .+\n)+)', text)]
# [['apple', 'banana'], ['kiwi', 'orange', 'pear']]
一个非标准（尚未）的正则表达式模块提供了一种有趣的方法，称为“捕获”。m.captures(n)返回组的所有匹配项，而不仅仅是最新的匹配项，如下所示m.group(n)：
import regex
matches = [x.captures(2) for x in regex.finditer(r'(?m)((?:^fruit: (.+)\n)+)', text)]
# [['apple', 'banana'], ['kiwi', 'orange', 'pear']]
除非您绝对必须这样做，否则我不是使用正则表达式的忠实粉丝。退后一步，看看你的情况，我的第一个倾向是考虑你是否实际上不应该在将输入文件输入 python 之前使用 awk 等专用工具将输入文件按摩成 csv 之类的东西。
话虽如此，您当然仍然可以使用清晰的无正则表达式 python 完成您想要做的事情。一个例子（我确信可以在不牺牲透明度的情况下减少它）：
# newlst keeps track of whether you should start a new sublist
newlst=False
# result is the end result list of lists
result = []
# lst is the sublist which gets reset every time a grouping concludes
lst = []
with open('input.txt') as f:
for line in f.readlines():
# is the first token NOT a fruit?
if line.split(':')[0] != 'fruit':
# if so, start a new sublist
newlst=True
# just so we don't append needless empty sublists
if len(lst) > 0: result.append(lst)
# initialise a new sublist, since last line wasn't a fruit and
# this implies a new group is starting
lst = []
else:
# first token IS a fruit. So append it to the sublist
lst.append(line.split()[1])
print result
怎么样：
re.findall(r'fruit: ([\w]+)\n|[^\n]*\n', str, re.M);
结果：
['', '', 'apple', 'banana', '', '', '', 'kiwi', 'orange', 'pear', '']
这可以很容易地转换为 [['apple', 'banana'], ['kiwi', 'orange', 'pear']]