查找所有出现的子字符串（包括重叠）？

Question

好的，所以我找到了这个：How to find all occurrences of a substring?

也就是说，要使索引与列表中子字符串的出现重叠，您可以使用：

[m.start() for m in re.finditer('(?=SUBSTRING)', 'STRING')]

这可行，但我的问题是要查找的字符串和子字符串都是由变量定义的。我对正则表达式知之甚少，不知道如何处理它——我可以让它与不重叠的子字符串一起工作，这只是：

[m.start() for m in re.finditer(p3, p1)]

编辑：

因为有人问，我会继续说明。 p1 和 p3 可以是任何字符串，但如果是，例如 p3 = "tryt" 和 p1 = "trytryt"，则结果应该是 [0, 3]。

Answer 1

re.finditer 的参数是简单的字符串。如果变量中有子字符串，只需将其格式化为正则表达式。像'(?={0})'.format(p3) 这样的东西是一个开始。由于 various symbols do have special meaning 在 RE 中，您将想要逃避它们。幸运的是，re module 包含 re.escape 就是为了满足这种需求。

[m.start() for m in re.finditer('(?={0})'.format(re.escape(p3)), p1)]

Answer 2

Regex 在这里可能有点矫枉过正：

>>> word = 'tryt'
>>> text = 'trytryt'
>>> [i for i, _ in enumerate(text) if text.startswith(word, i)]
[0, 3]

Answer 3

你正在这样做（或句法变体）：

import re

needle = "(?=(aba))"
haystack = "ababababa"

[match.start() for match in re.finditer(needle, haystack)]
#>>> [0, 2, 4, 6]

应该可以。

因此，问题可能是needle 的格式不正确，“(?=(...))”（这从您与 D.Shawley 的互动中可以明显看出）。在这种情况下，有多种选择。

如果您的子字符串是有效的正则表达式，您可以手动遍历可能的位置，进行匹配。

needle = re.compile(needle)
[i for i in range(len(haystack)) if needle.match(haystack, i)]
#>>> [0, 2, 4, 6]

如果您不想要任意正则表达式而只是精确的子字符串匹配，那么完全避免正则表达式并使用：

needle = "aba"
haystack = "ababababa"

[i for i in range(len(haystack)) if haystack.startswith(needle, i)]
#>>> [0, 2, 4, 6]

如果您正在寻找更快的结果，您可以展开循环并使用.index 来加快搜索速度：

def findall(needle, haystack):
    i = 0
    try:
        while True:
            i = haystack.index(needle, i)
            yield i
            i += 1

    except ValueError:
        pass

这是我能想到的最快的方法。