正则表达式：多个匹配之前的文本答案

【问题标题】：Regex: text before multiple matches正则表达式：多个匹配之前的文本
【发布时间】：2015-09-12 04:01:03
【问题描述】：

想法。给定字符串，返回所有匹配项（有重叠）和这些匹配项之前的文本。

示例。对于文本atatgcgcatatat 和查询atat，有三个匹配项，所需的输出是atat、atatgcgcatat 和atatgcgcatatat。

问题。我使用 Ruby 2.2 和 String#scan 方法来获得多个匹配项。我尝试使用前瞻，但正则表达式/(?=(.*?atat))/ 返回以atat 结尾的每个子字符串。必须有一些正则表达式的魔法来解决这个问题，但我想不出正确的咒语。

【问题讨论】：

我猜是不可能一口气完成的。匹配不只是重叠，它们从相同的索引开始。您需要在成功后将索引移动到每个匹配开始，以查看是否有其他匹配不等于前一个。
非常感谢您的 cmets！
反转字符串，并使用相同的模式。
@CasimiretHippolyte 我已经尝试过反转字符串的想法，但对我来说似乎相当难看："atatgcatatat".reverse.scan(/(?=(tata.*))/).flatten.map(&:reverse).reverse。
我对最佳答案的投票投给了sawa。 @Nakilon 获得协助（无论是否需要）。

标签： ruby regex

【解决方案1】：

我相信这至少比 OP 的回答要好：

text = "atatgcgcatatat"
query = "atat"

res = []
text.scan(/(?=#{query})/){res.push($` + query)}                                  #`
res # => ["atat", "atatgcgcatat", "atatgcgcatatat"]

【讨论】：

绝对是！我也在 Ruby 中实现了其他想法，并将它们添加到我的答案中。
我猜，不需要中间数组：text.to_enum(:scan, /(?<=atat)/).map { $` }
你可以像我一样使用tap：[].tap { |a| text.scan(/(?=#{query})/) {a << $` + query} } #=> ["atat", "atatgcgcatat", "atatgcgcatatat"]。

【解决方案2】：

鉴于正则表达式的性质和目的，没有办法做到这一点。当正则表达式匹配文本时，无法在另一个匹配中包含相同的文本。因此，我能想到的最佳选择是使用后视来查找每场比赛的结束位置：

(?<=atat)

使用您的示例输入 atatgcgcatatat，这将返回以下三个匹配项：

位置 4，长度 0
位置 12，长度 0
位置 14，长度 0

然后您可以遍历这些结果，获取每个结果的位置，然后获取从输入字符串的开头开始并在该位置结束的子字符串。如果您不知道如何获取每场比赛的位置，您可能会发现this question 的答案很有帮助。

【讨论】：

但是如何获得多个匹配项？ "atatgcgcatatat".scan /.*atat/ #=> ["atatgcgcatatat"]
谢谢，这很有帮助！由于无法一次性获得输出，因此我还找到了一种获得结果的方法，它与您提出的略有不同。我将其作为单独的答案发布。
谢谢@Nakilon，这很有用！

【解决方案3】：

你可以这样做：

str = 'atatgcgcatatat'
target = 'atat'

[].tap do |a|
  str.gsub(/(?=#{target})/) { a << str[0, $~.end(0)+target.size] }
end
  #=> ["atat", "atatgcgcatat", "atatgcgcatatat"]

注意gsub返回的字符串被丢弃了。

【讨论】：

【解决方案4】：

看来，没有办法一口气解决问题。

一种可能的解决方案是在使用String#scan 时使用this knowledge 获取匹配索引，然后返回切片字符串数组：

def find_by_end text, query
    res = []
    n = query.length
    text.scan( /(?=(#{query}))/ ) do |m|
        res << text.slice(0, $~.offset(0).first + n)
    end
    res
end

find_by_end "atatgcgcatatat", "atat" #=> ["atat", "atatgcgcatat", "atatgcgcatatat"]

@StevenDoggart 提出了一个稍微不同的解决方案。这是一个漂亮而简短的代码，它使用this hack 来解决问题：

"atatgcatatat".to_enum(:scan, /(?<=atat)/).map { $` }                         #`
#=> ["atat", "atatgcatat", "atatgcatatat"]

正如@CasimiretHippolyte 所说，反转字符串可能有助于解决问题。确实如此，但这并不是最漂亮的解决方案：

"atatgcatatat".reverse.scan(/(?=(tata.*))/).flatten.map(&:reverse).reverse
#=> ["atat", "atatgcatat", "atatgcatatat"]

【讨论】：