捕获左右跨度不包括此模式的字符串模式

Question

我找不到解决我的正则表达式问题的方法。

这里是文字： My text is so interesting, depending "interesting" meaning of course.

我想匹配所有包含例如interest.{3} 的字符串，并尽可能向左和向右扩展而不再次匹配interest.{3}。所以我想要这些比赛：

My text is so interesting, depending "interestin

nteresting, depending "interesting" meaning of course.

有什么方法可以通过 PCRE 正则表达式实现这一点？

非常感谢！

Answer 1

import re

text = 'Here is text : My text is so interesting, depending "interesting" meaning of course.'

s = text
while True:
    m = re.search(r'(?:.*?)i(nterest\w{2})(\w)(?:(?<!i\1)(?!=\2).)*', s)
    if not m:
        break
    print(m[0])
    s = s[m.span(1)[0]:]

打印：

Here is text : My text is so interesting, depending "interestin
nteresting, depending "interesting" meaning of course.

Demo

(?:.*?)i(nterest\w{2})(\w)(?:(?<!i\1)(?!=\2).)*

我们正在寻找的字符串被分解成碎片：

1. 'i' 匹配 i
2. (nterest\w{2}) 捕获组 1 -> interest 加上我们匹配的前两个单词字符。
3. (\w) Capture group 2 -> 我们比赛的第三个也是最后一个角色。

然后我们一次扫描一个字符，只要前面的字符不是i加上捕获组1并且下一个字符不是捕获组2：

4. (?:(?<!i\1)(?!=\2).)*

然后我们使用捕获组 1 的位置来确定下一次扫描应该从哪里开始。

Answer 2

除了@Booboo 的回答之外，这里还有一个适用于此的正则表达式。有趣的是，这在 Java 中不起作用，但在 Python 中却很好。这里的一个区别是没有反向引用允许interesting 和interested. 被视为同一文本中的匹配项。您可以在regex101.com 上试用。它在那里工作。

(?=((^|interest.{3}).*?interest.{3}.*?(interest.{3}|$)))

说明

• 让X = interest.{3}。然后，这个正则表达式简化为更通用的(?=((^|X).*?X.*?(X|$)))。
• 此外，我考虑过说“在 X 的右侧和左侧”与“X 在跨度的中间”相同（当然有一些保留）。

基于此：

1. 整个正则表达式是带有捕获组(?=(regex)) 的正前瞻。这意味着虽然比赛将针对X，但它不会将其位置移动到当前比赛的结尾（以寻找下一场比赛）。相反，由于捕获组，它将在字符串中逐个字符地移动以获取所有匹配项。 （但是，在 Java 中，它的工作方式似乎有所不同。）
2. 捕获组(^|X) 允许匹配文本的开头或X（边界情况）。
3. 第二个X 是允许X 出现在“span”的中间。
4. 捕获组(X|$)，与第 (2) 点中的第一个一样，是允许边界 X 也可能是 EOT。