如何找到所有出现的子串?


365

Python具有string.find()string.rfind()获取字符串中子字符串的索引。

我想知道是否有类似的东西string.find_all()可以返回所有找到的索引(不仅是开头的第一个,还是结尾的第一个)。

例如:

string = "test test test test"

print string.find('test') # 0
print string.rfind('test') # 15

#this is the goal
print string.find_all('test') # [0,5,10,15]

11
应该'ttt'.find_all('tt')返回什么?
圣地亚哥·亚历山德里

2
它应该返回“ 0”。当然,在理想世界中也必须存在'ttt'.rfind_all('tt'),它应该返回“ 1”
nukl 2011年

Answers:


523

没有简单的内置字符串函数可以满足您的需求,但是您可以使用功能更强大的正则表达式

import re
[m.start() for m in re.finditer('test', 'test test test test')]
#[0, 5, 10, 15]

如果要查找重叠的匹配项,先行搜索将做到:

[m.start() for m in re.finditer('(?=tt)', 'ttt')]
#[0, 1]

如果您想要一个没有重叠的反向查找全部,则可以将正向和负向超前组合成这样的表达式:

search = 'tt'
[m.start() for m in re.finditer('(?=%s)(?!.{1,%d}%s)' % (search, len(search)-1, search), 'ttt')]
#[1]

re.finditer返回一个generator,所以您可以更改[]上述内容以()获取一个Generator而不是一个列表,如果只迭代一次结果,则列表会更有效。


嗨,关于这个[m.start() for m in re.finditer('test', 'test test test test')],我们怎么寻找test还是text?它会变得更加复杂吗?
xpanta

7
您想大致研究一下正则表达式:docs.python.org/2/howto/regex.html。您问题的解决方案将是:[re.finditer('te [sx] t','文本测试文本测试')中m的m.start()]
Yotam Vaknin 2014年

1
使用此方法的时间复杂度是多少?
Pranjal Mittal

1
@PranjalMittal。上限还是下限?最好,最坏还是一般?
疯狂物理学家'11

@marcog如果子字符串包含括号或其他特殊字符怎么办?
Bananach

109
>>> help(str.find)
Help on method_descriptor:

find(...)
    S.find(sub [,start [,end]]) -> int

因此,我们可以自己构建它:

def find_all(a_str, sub):
    start = 0
    while True:
        start = a_str.find(sub, start)
        if start == -1: return
        yield start
        start += len(sub) # use start += 1 to find overlapping matches

list(find_all('spam spam spam spam', 'spam')) # [0, 5, 10, 15]

不需要临时字符串或正则表达式。


22
要获得重叠的匹配,只需将替换start += len(sub)为即可start += 1
Karl Knechtel

4
我相信您以前的评论应该是您回答中的附言。
tzot 2011年

1
您的代码不适用于查找substr:“ GATATATGCATATACTT”中的“ ATAT”
Ashish Negi

2
另请参阅我的评论。那是重叠比赛的一个例子。
Karl Knechtel

4
为了匹配的行为re.findall,我建议添加len(sub) or 1而不是len(sub),否则此生成器将永远不会终止于空子字符串。
WGH 2015年

45

这是一种获取所有(甚至重叠)匹配项的方法(效率很低):

>>> string = "test test test test"
>>> [i for i in range(len(string)) if string.startswith('test', i)]
[0, 5, 10, 15]

25

同样,旧线程,但这是我使用生成器和plain的解决方案str.find

def findall(p, s):
    '''Yields all the positions of
    the pattern p in the string s.'''
    i = s.find(p)
    while i != -1:
        yield i
        i = s.find(p, i+1)

x = 'banananassantana'
[(i, x[i:i+2]) for i in findall('na', x)]

退货

[(2, 'na'), (4, 'na'), (6, 'na'), (14, 'na')]

3
这看起来很美!
fabio.sang

21

您可以将其re.finditer()用于非重叠匹配。

>>> import re
>>> aString = 'this is a string where the substring "is" is repeated several times'
>>> print [(a.start(), a.end()) for a in list(re.finditer('is', aString))]
[(2, 4), (5, 7), (38, 40), (42, 44)]

不适用于:

In [1]: aString="ababa"

In [2]: print [(a.start(), a.end()) for a in list(re.finditer('aba', aString))]
Output: [(0, 3)]

12
为什么要从迭代器中列出列表,这只会减慢该过程。
pradyunsg

2
aString VS astring;)
NexD。

18

来吧,让我们一起递归。

def locations_of_substring(string, substring):
    """Return a list of locations of a substring."""

    substring_length = len(substring)    
    def recurse(locations_found, start):
        location = string.find(substring, start)
        if location != -1:
            return recurse(locations_found + [location], location+substring_length)
        else:
            return locations_found

    return recurse([], 0)

print(locations_of_substring('this is a test for finding this and this', 'this'))
# prints [0, 27, 36]

这样就不需要正则表达式。


我刚刚开始怀疑“是否有一种在python中的字符串中找到子字符串的理想方法” ...然后在谷歌搜索5分钟后,我找到了您的代码。感谢分享!!!
Geparada

3
这段代码有几个问题。由于它迟早会处理开放式数据,因此RecursionError如果出现的次数足够多,您会碰到的。另一个是在每次迭代时创建的两个废弃列表,仅是为了添加一个元素,这对于字符串查找功能来说不是很理想,可能会被调用很多次。尽管有时递归函数看起来优雅而清晰,但应谨慎使用它们。
伊万·尼古拉耶夫

11

如果您只是寻找一个字符,这将起作用:

string = "dooobiedoobiedoobie"
match = 'o'
reduce(lambda count, char: count + 1 if char == match else count, string, 0)
# produces 7

也,

string = "test test test test"
match = "test"
len(string.split(match)) - 1
# produces 4

我的直觉是,这些(尤其是第二名)都没有表现出色。


GR8解决方案..我用用..分裂()的印象
山塔努帕塔克

9

这是一个老话题,但是我很感兴趣,想分享我的解决方案。

def find_all(a_string, sub):
    result = []
    k = 0
    while k < len(a_string):
        k = a_string.find(sub, k)
        if k == -1:
            return result
        else:
            result.append(k)
            k += 1 #change to k += len(sub) to not search overlapping results
    return result

它应该返回找到子字符串的位置列表。如果您发现错误或需要改进的地方,请发表评论。


6

这使用re.finditer对我有用

import re

text = 'This is sample text to test if this pythonic '\
       'program can serve as an indexing platform for '\
       'finding words in a paragraph. It can give '\
       'values as to where the word is located with the '\
       'different examples as stated'

#  find all occurances of the word 'as' in the above text

find_the_word = re.finditer('as', text)

for match in find_the_word:
    print('start {}, end {}, search string \'{}\''.
          format(match.start(), match.end(), match.group()))

5

这个线程有点旧,但是对我有用:

numberString = "onetwothreefourfivesixseveneightninefiveten"
testString = "five"

marker = 0
while marker < len(numberString):
    try:
        print(numberString.index("five",marker))
        marker = numberString.index("five", marker) + 1
    except ValueError:
        print("String not found")
        marker = len(numberString)


2

无论其他人提供的解决方案完全基于可用的方法find()或任何可用的方法。

查找字符串中所有子字符串出现的核心基本算法是什么?

def find_all(string,substring):
    """
    Function: Returning all the index of substring in a string
    Arguments: String and the search string
    Return:Returning a list
    """
    length = len(substring)
    c=0
    indexes = []
    while c < len(string):
        if string[c:c+length] == substring:
            indexes.append(c)
        c=c+1
    return indexes

您也可以将str类继承到新类,并可以在下面使用此函数。

class newstr(str):
def find_all(string,substring):
    """
    Function: Returning all the index of substring in a string
    Arguments: String and the search string
    Return:Returning a list
    """
    length = len(substring)
    c=0
    indexes = []
    while c < len(string):
        if string[c:c+length] == substring:
            indexes.append(c)
        c=c+1
    return indexes

调用方法

newstr.find_all('您觉得这个答案有用吗?然后投票!','this')


2

此函数不会查看字符串内部的所有位置,也不会浪费计算资源。我的尝试:

def findAll(string,word):
    all_positions=[]
    next_pos=-1
    while True:
        next_pos=string.find(word,next_pos+1)
        if(next_pos<0):
            break
        all_positions.append(next_pos)
    return all_positions

使用它的方式是这样的:

result=findAll('this word is a big word man how many words are there?','word')

1

在文档中查找大量关键字时,请使用flashtext

from flashtext import KeywordProcessor
words = ['test', 'exam', 'quiz']
txt = 'this is a test'
kwp = KeywordProcessor()
kwp.add_keywords_from_list(words)
result = kwp.extract_keywords(txt, span_info=True)

在大量搜索词中,Flashtext的运行速度比正则表达式快。


0
src = input() # we will find substring in this string
sub = input() # substring

res = []
pos = src.find(sub)
while pos != -1:
    res.append(pos)
    pos = src.find(sub, pos + 1)

1
尽管此代码可以解决OP的问题,但最好包括有关您的代码如何解决OP的问题的说明。这样,将来的访问者可以从您的帖子中学习,并将其应用于自己的代码。SO不是编码服务,而是知识资源。此外,更可能会推荐高质量,完整的答案。这些功能,以及所有职位必须自成体系的要求,是SO作为平台的强项,可以将其与论坛区分开。您可以编辑以添加其他信息和/或在源文档中补充说明
SherylHohman

0

这是来自hackerrank的类似问题的解决方案。希望对您有所帮助。

import re
a = input()
b = input()
if b not in a:
    print((-1,-1))
else:
    #create two list as
    start_indc = [m.start() for m in re.finditer('(?=' + b + ')', a)]
    for i in range(len(start_indc)):
        print((start_indc[i], start_indc[i]+len(b)-1))

输出:

aaadaa
aa
(0, 1)
(1, 2)
(4, 5)

-1

通过切片,我们找到了所有可能的组合,并将它们附加在列表中,并使用count函数查找了发生的次数

s=input()
n=len(s)
l=[]
f=input()
print(s[0])
for i in range(0,n):
    for j in range(1,n+1):
        l.append(s[i:j])
if f in l:
    print(l.count(f))

什么时候s="test test test test"f="test"您的代码可以打印4,但是可以预期[0,5,10,15]
barbsan

只写了一个单词就会更新代码
BONTHA SREEVIDHYA '19

-2

请看下面的代码

#!/usr/bin/env python
# coding:utf-8
'''黄哥Python'''


def get_substring_indices(text, s):
    result = [i for i in range(len(text)) if text.startswith(s, i)]
    return result


if __name__ == '__main__':
    text = "How much wood would a wood chuck chuck if a wood chuck could chuck wood?"
    s = 'wood'
    print get_substring_indices(text, s)

-2

pythonic的方式是:

mystring = 'Hello World, this should work!'
find_all = lambda c,s: [x for x in range(c.find(s), len(c)) if c[x] == s]

# s represents the search string
# c represents the character string

find_all(mystring,'o')    # will return all positions of 'o'

[4, 7, 20, 26] 
>>> 

3
1)这如何帮助7年前回答的问题?2)使用lambda这种方法不是Python的,并且与PEP8背道而驰。3)这不能为OP的情况提供正确的输出
Wondercricket '18

Pythonic并不意味着“使用尽可能多的python功能”
klutt

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.