如何使用正则表达式查找重叠匹配？

Posted 2023-02-23

技术标签:

【中文标题】如何使用正则表达式查找重叠匹配？【英文标题】：How to find overlapping matches with a regexp? 【发布时间】：2012-07-10 23:10:09 【问题描述】：

>>> match = re.findall(r'\w\w', 'hello')
>>> print match
['he', 'll']

由于 \w\w 表示两个字符，因此需要“he”和“ll”。但是为什么 'el' 和 'lo' 不匹配正则表达式？

>>> match1 = re.findall(r'el', 'hello')
>>> print match1
['el']
>>>

【问题讨论】：

Lookahead 【参考方案1】：

findall 默认情况下不会产生重叠匹配。然而，这个表达式确实：

>>> re.findall(r'(?=(\w\w))', 'hello')
['he', 'el', 'll', 'lo']

这里(?=...) 是lookahead assertion：

(?=...) 匹配如果 ... 匹配下一个，但不消耗任何细绳。这称为前瞻断言。例如， Isaac (?=Asimov) 将匹配 'Isaac '，前提是它后面跟着 'Asimov'。

【讨论】：

但我不明白如果它在积极的前瞻断言中，为什么它会前进到下一个字母。请解释一下好吗？ @MrZH6 我猜这是由于组捕获（\w\w 周围的大括号）。实际匹配仍然是一个空字符串，而第 1 组用 \w\w 填充（您可以在regex101.com 进行测试）。所以我相信它会在一个组中捕获它，但不会超过它，因为匹配是零长度的。而python的re.findall将打印捕获的组docs.python.org/3/library/re.html#re.findall【参考方案2】：

您可以使用new Python regex module，它支持重叠匹配。

>>> import regex as re
>>> match = re.findall(r'\w\w', 'hello', overlapped=True)
>>> print match
['he', 'el', 'll', 'lo']

【讨论】：

【参考方案3】：

除了零长度断言外，输入中的字符将始终在匹配中被消耗。如果您想在输入字符串中多次捕获某些字符，则需要在正则表达式中进行零长度断言。

有几个零长度断言（例如^（输入/行的开头）、$（输入/行的结尾）、\b（字边界）），但环顾四周（@987654324 @positive look-behind 和 (?=)positive look-ahead）是您可以从输入中捕获重叠文本的唯一方法。否定环视（(?<!)negative look-behind，(?!)negative look-ahead）在这里不是很有用：如果它们断言为真，则内部捕获失败；如果他们断言为假，则匹配失败。这些断言是零长度的（如前所述），这意味着它们将断言而不消耗输入字符串中的字符。如果断言通过，它们实际上将匹配空字符串。

应用上述知识，适用于您的情况的正则表达式将是：