python - 如何使用正则表达式查找重叠匹配？

Question

>>> 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'与正则表达式不匹配？

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

Answer 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(?=...)是一个前瞻断言：

(?=...)如果下一个匹配，则...匹配，但不消耗任何字符串。这称为前瞻断言。例如， 仅当它后面跟着. 时Isaac (?=Asimov)才会匹配。'Isaac ''Asimov'

Answer 2

您可以使用支持重叠匹配的新 Python 正则表达式模块。

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

Answer 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。如果您曾经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（(?<=)正向后视和(?=)正向前瞻）是唯一的方法您可以从输入中捕获重叠的文本。否定的环视（(?<!)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，适用于您的案例的正则表达式将是：

(?=(\w\w))

Answer 4

我不是正则表达式专家，但我想回答我的类似问题。

如果要使用具有前瞻功能的捕获组：

正则表达式示例：(\d)(?=.\1)

细绳：5252

这将匹配前 5 个和前 2 个

(\d)就是做一个捕获组，(?=\d\1)就是匹配捕获组1后面的任何数字而不消耗字符串，因此允许重叠