如何在 python 正则表达式中获取所有可能从字符串中相同位置开始的重叠匹配？答案

【问题标题】：How to get all overlapping matches in python regex that may start at the same location in a string?如何在 python 正则表达式中获取所有可能从字符串中相同位置开始的重叠匹配？
【发布时间】：2019-04-11 08:40:06
【问题描述】：

如何在 Python 中获得具有多个起点和终点的字符串中所有可能的重叠匹配。

我尝试使用正则表达式模块，而不是默认的 re 模块来引入重叠 = True 参数，但它仍然缺少一些匹配项。

尝试通过更简单的插图来描述我的问题：

查找字符串 (axaybzb) 中以 a 开头并以 b 结尾的所有可能组合

尝试了以下代码：

import regex

print(regex.findall(r'a\w+b','axaybzb', overlapped=False))

['axaybzb']

print(regex.findall(r'a\w+?b','axaybzb', overlapped=False))

['axayb']

print(regex.findall(r'a\w+b','axaybzb', overlapped=True))

['axaybzb', 'aybzb']

print(regex.findall(r'a\w+?b','axaybzb', overlapped=True))

['axayb', 'ayb']

预期输出为

['axayb', 'axaybzb', 'ayb', 'aybzb']

【问题讨论】：

请编辑问题以表明您的字符串不仅仅是字母。

标签： python regex

【解决方案1】：

Regex 在这里不是合适的工具，我建议：

识别输入字符串中首字母的所有索引
识别输入字符串中第二个字母的所有索引
根据这些索引构建所有子字符串

代码：

def find(str, ch):
    for i, ltr in enumerate(str):
        if ltr == ch:
            yield i

s = "axaybzb"
startChar = 'a'
endChar = 'b'

startCharList = list(find(s,startChar))
endCharList = list(find(s,endChar))

output = []
for u in startCharList:
    for v in endCharList:
           if u <= v:
               output.append(s[u:v+1])
print(output)

输出：

$ python substring.py 
['axayb', 'axaybzb', 'ayb', 'aybzb']

【讨论】：

感谢 Allan 抽出时间来回答，但这是对原始问题的一个更简单的说明。在原始问题中，字符串 'axaybzb' 是一个更大的非结构化文本 ~ 5000 个字符，而 'a' 和 'b' 不是单个字符，而是字符串（单词）本身。
VPfB：对不起，我现在在火车上，稍后会编辑。谢谢你:)

【解决方案2】：

使用像您这样的简单模式，您可以生成字符串中所有连续字符的切片，并针对特定的正则表达式对它们进行测试以获得完全匹配：

import re

def findall_overlapped(r, s):
  res = []                     # Resulting list
  reg = r'^{}$'.format(r)      # Regex must match full string
  for q in range(len(s)):      # Iterate over all chars in a string
    for w in range(q,len(s)):  # Iterate over the rest of the chars to the right
        cur = s[q:w+1]         # Currently tested slice
        if re.match(reg, cur): # If there is a full slice match
            res.append(cur)    # Append it to the resulting list
  return res

rex = r'a\w+b'
print(findall_overlapped(rex, 'axaybzb'))
# => ['axayb', 'axaybzb', 'ayb', 'aybzb']

见Python demo

警告：请注意，如果您有一个模式检查左手或右手上下文，并且在模式的任一端都有前瞻或后瞻，这将不起作用，因为迭代时此上下文将丢失在字符串上。

【讨论】：