Pythonの正規表現でカンマ区切りの特定の形式の文字列を抜き出すには

Question

特定の文字の両側に数字がある、カンマ区切りの文字列を正規表現で取り出そうとしました。

取り出し元の文字列：'abc1X2,3X4,5X6xyz'　　　　（両端の文字列（abcやxyz）は不定）
取り出したい部分　：'1X2,3X4,5X6'

正規表現での取り出し　re.findall('[0-9]X[0-9],[0-9]X[0-9]', str)

~ $ python3 test2.py
['1X2,3X4']

正規表現での取り出し　re.findall('[0-9]X[0-9],[0-9]X[0-9],[0-9]X[0-9]', str)

~ $ python3 test2.py
['1X2,3X4,5X6']

これで取り出せましたが、カンマでつながっている部分が可変である場合はどう書いたらいいでしょうか。

カッコで括って1回以上の繰り返しとして'+'をつけてみましたが、結果は後半部分しか取り出せませんでした。

正規表現での取り出し　re.findall('[0-9]X[0-9](,[0-9]X[0-9])+', str)

~ $ python3 test2.py
[',5X6']

やりたいことは、'abc1X2,3X4xyz'でも'abc1X2,3X4,5X6xyz'でも'abc1X2,3X4,5X6,7X8xyz'
でも「数字X数字がカンマでつながった部分を抽出する」なのですが、どのような
正規表現を書けば良いでしょうか。

import re
import sys
import csv

str = 'abc1X2,3X4,5X6xyz'

get = re.findall('[0-9]X[0-9],[0-9]X[0-9]', str)

print(get)

Answer 1

正規表現の()にはいくつか意味があって、グループにするだけでなく、マッチの対象としてキャプチャされます。

　re.findall('[0-9]X[0-9](,[0-9]X[0-9])+', str)

なので、こうかくと、全体がマッチしたうえで、()だけが拾われてしまいます。

回避方法は、いくつかありますが、

　re.findall(r'([0-9]X[0-9](,[0-9]X[0-9])+)', str)
　re.findall(r'[0-9]X[0-9](?:,[0-9]X[0-9])+', str)   

上は、全体も()くくって拾わせる方法、下は、()のキャプチャ効果を無効にする (?: )形式のカッコを使う方法です。

Comments

[taro373]

両方試してみました
[カッコでくくる方法]
re.findall(r'([0-9]X[0-9](,[0-9]X[0-9])+)', str)
＝＞　[('1X2,3X4,5X6', ',5X6')]

「(?: )形式のカッコを使う方法」
　re.findall(r'[0-9]X[0-9](?:,[0-9]X[0-9])+', str)
＝＞　['1X2,3X4,5X6']

カッコでくくる方法は、たしかに求めたい部分は取り出せましたが、
こちらはタプルで出力されて、繰り返し部分が2番目の要素として出力されました。

ということで「(?: )形式のカッコを使う方法」が今回の目的に一致しているようです。

こちらの方法であれば
元の文字列が 'abc1X2,3X4,5X6xyz9X0,1X2'となっていて、マッチする部分が複数になっても
findallで複数リストととして取り出せました。
['1X2,3X4,5X6', '9X0,1X2']

[taro373]

カッコ内の先頭に「?: 」をつけると、カッコの部分を単にグループ化のためだけに使用することができるのですね

これで実際に取り出したい文字列で実行して、取り出せることがわかりました。