regex - Python RegEx 查询缺少重叠的子字符串

Question

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一种特殊情况下，这是有效的。该案例涉及以下 5 个字符的子字符串：

'...NNTSY...'

该查询捕获第一个 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。

Answer 1

如果重新引擎在匹配字符时不消耗字符，则可以执行此操作，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

断言中的所有内容都有效，但也感觉很奇怪。另一种方法是取消N断言：

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

Answer 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regex.search()在循环中使用。您必须编译正则表达式，因为非编译正则表达式的 API 不使用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

Answer 3

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

在 Debuggex 上实时编辑