查找所有正则表达式匹配的索引？

Posted 2023-02-23

【中文标题】查找所有正则表达式匹配的索引？

【英文标题】：Find the indexes of all regex matches?

【发布时间】：2011-03-31 23:29:49

【问题描述】：

我正在解析其中可能包含任意数量的引号字符串的字符串（我正在解析代码，并试图避免 PLY）。我想知道是否引用了子字符串，并且我有子字符串索引。我最初的想法是使用 re 查找所有匹配项，然后找出它们所代表的索引范围。

似乎我应该将 re 与\"[^\"]+\"|'[^']+' 之类的正则表达式一起使用（我目前正在避免处理三重引号和此类字符串）。当我使用 findall() 时，我会得到一个匹配字符串的列表，这有点好，但我需要索引。

我的子字符串可能和c 一样简单，我需要弄清楚这个特定的c 是否真的被引用了。

【问题讨论】：

听起来这个工作不适合正则表达式。

【参考方案1】：

这就是你想要的：(source)

re.finditer(pattern, string[, flags]) 

返回一个迭代器产生 MatchObject 实例 字符串中 RE 模式的非重叠匹配。字符串是 从左到右扫描，并按找到的顺序返回匹配项。空的 匹配项包含在结果中，除非它们触及 另一场比赛。

然后您可以从 MatchObjects 中获取开始和结束位置。

例如

[(m.start(0), m.end(0)) for m in re.finditer(pattern, string)]

【讨论】：

请注意，您实际上可以使用m.span() 来获取(m.start(), m.end())（并且默认组参数为0，因此可以省略）。

太棒了。正是在寻找这个。

注意，这种情况下会失败：base_str = "GATATATGCATATACTT" sub_str = "ATAT"，结果应该是[(1,5), (3, 7), (9, 13)] , 但结果是 [(1, 5), (9, 13)]

@unionx: finditer()，根据文档，返回非重叠匹配。

一个much more recent example，使用2018语法

【参考方案2】：

#获取所有出现的索引

S = input() # Source String 
k = input() # String to be searched
import re
pattern = re.compile(k)
r = pattern.search(S)
if not r: print("(-1, -1)")
while r:
    print("(0, 1)".format(r.start(), r.end() - 1))
    r = pattern.search(S,r.start() + 1)

【参考方案3】：

这应该可以解决您的问题 模式=r"(?=(\"[^\"]+\"|'[^']+'))"

然后使用以下获取所有重叠索引，

indicesTuple=[(mObj.start(1),mObj.end(1)-1) for mObj in re.finditer(pattern,input)]