Python RegEx 查询缺少重叠的子字符串答案

【问题标题】：Python RegEx query missing overlapping substringsPython RegEx 查询缺少重叠的子字符串
【发布时间】：2013-09-01 01:48:18
【问题描述】：

Python3.3、OS X 7.5

我正在尝试查找定义如下的 4 字符子字符串的所有实例：

第一个字符 = 'N'
第二个字符 = 除了“P”之外的任何字符
第三个字符 = 'S' 或 'T'
第四个字符 = 除了“P”之外的任何字符

我的查询如下所示：

re.findall(r"\N[A-OQ-Z][ST][A-OQ-Z]", text)

除了在两个子字符串重叠的特殊情况下，这是有效的。该案例涉及以下 5 个字符的子字符串：

'...NNTSY...'

查询捕获第一个 4 个字符的子字符串 ('NNTS')，但不捕获第二个 4 个字符的子字符串 ('NTSY')。

这是我第一次尝试正则表达式，显然我遗漏了一些东西。

【问题讨论】：

标签： regex string python-3.x

【解决方案1】：

如果重新引擎在匹配字符时不消耗字符，您可以这样做，这可以通过前瞻断言来实现：

import re
text = '...NNTSY...'
for m in re.findall(r'(?=(N[A-OQ-Z][ST][A-OQ-Z]))', text):
    print(m)

输出：

NNTS
NTSY

让断言中的所有内容都有效，但也感觉很奇怪。另一种方法是将N 从断言中取出：

for m in re.findall(r'(N(?=([A-OQ-Z][ST][A-OQ-Z])))', text):
    print(''.join(m))

【讨论】：

【解决方案2】：

来自 Python 3 文档（已添加重点）：

$ python3 -c '重新导入；帮助（重新.findall）' 关于模块 re 中的 findall 函数的帮助： findall（模式，字符串，标志=0）返回字符串中所有 非重叠 匹配项的列表。如果模式中存在一个或多个捕获组，则返回组列表；这将是一个元组列表，如果模式有多个组。结果中包含空匹配项。

如果您想要重叠实例，请在循环中使用regex.search()。您必须编译正则表达式，因为非编译正则表达式的 API 不带参数来指定起始位置。

def findall_overlapping(pattern, string, flags=0):
    """Find all matches, even ones that overlap."""
    regex = re.compile(pattern, flags)
    pos = 0
    while True:
        match = regex.search(string, pos)
        if not match:
            break
        yield match
        pos = match.start() + 1

【讨论】：

【解决方案3】：

(N[^P](?:S|T)[^P])

Edit live on Debuggex

【讨论】：