Python重新查找组匹配的开始和结束索引答案

【问题标题】：Python re find start and end index of group matchPython重新查找组匹配的开始和结束索引
【发布时间】：2021-04-11 16:02:53
【问题描述】：

Python 的重新匹配对象在匹配对象上有 .start() 和 .end() 方法。我想找到小组赛的开始和结束索引。我怎样才能做到这一点？示例：

>>> import re
>>> REGEX = re.compile(r'h(?P<num>[0-9]{3})p')
>>> test = "hello h889p something"
>>> match = REGEX.search(test)
>>> match.group('num')
'889'
>>> match.start()
6
>>> match.end()
11
>>> match.group('num').start()                  # just trying this. Didn't work
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'str' object has no attribute 'start'
>>> REGEX.groupindex
mappingproxy({'num': 1})                        # this is the index of the group in the regex, not the index of the group match, so not what I'm looking for.

上面的预期输出是 (7, 10)

【问题讨论】：

标签： python python-re

【解决方案1】：

给定示例的解决方法可能是使用lookarounds：

import re
REGEX = re.compile(r'(?<=h)[0-9]{3}(?=p)')
test = "hello h889p something"
match = REGEX.search(test)
print(match)

输出

<re.Match object; span=(7, 10), match='889'>

【讨论】：

【解决方案2】：

您可以只使用字符串索引和index() 方法：

>>> import re
>>> REGEX = re.compile(r'h(?P<num>[0-9]{3})p')
>>> test = "hello h889p something"
>>> match = REGEX.search(test)
>>> test.index(match.group('num')[0])
7
>>> test.index(match.group('num')[-1])
9

如果你想要一个元组的结果：

>>> str_match = match.group("num")
>>> results = (test.index(str_match[0]), test.index(str_match[-1]))
>>> results
(7, 9)

注意：作为Tom pointed out，您可能需要考虑使用results = (test.index(str_match), text.index(str_match)+len(str_match))，以防止可能由具有相同字符的字符串引起的错误。例如，如果数字是899，那么results 将是(7, 8)，因为9 的第一个实例位于索引8。

【讨论】：

【解决方案3】：

对the existing answer稍作修改是使用index查找整个组，而不是组的起止字符：

import re
REGEX = re.compile(r'h(?P<num>[0-9]{3})p')
test = "hello h889p something"
match = REGEX.search(test)
group = match.group('num')

# modification here to find the start point
idx = test.index(group)

# find the end point using len of group
output = (idx, idx + len(group)) #(7, 10)

这会在确定索引时检查整个字符串 "889"。因此，与检查第一个8 和第一个9 相比，出错的可能性要小一些，尽管它仍然不完美（即，如果"889" 出现在字符串的前面，而不是被"h" 和@ 包围987654329@).

【讨论】：