Python正则表达式找到所有重叠的匹配项？

我正在尝试在Python 2.6中使用re查找更大系列的数字中的每10位数字系列。

我很容易就能抓住不重叠的比赛，但我希望数字系列中的每场比赛。例如。

在“ 123456789123456789”中

我应该得到以下列表：

[1234567891,2345678912,3456789123,4567891234,5678912345,6789123456,7891234567,8912345678,9123456789]

我已经找到了对“超前”的引用，但是我所看到的示例仅显示了成对的数字，而不是更大的分组，而且我无法将其转换为两位数以外的数字。

python regex overlapping

— 棉布
source

当重叠匹配在同一点开始时，提出的解决方案将不起作用，例如，将“ a | ab | abc”与“ abcd”匹配只会返回一个结果。有没有一个解决方案，该解决方案不涉及多次调用match（）并手动跟踪“结束”边界？

— 维罗·德·阿劳霍

@VítorDeAraújo：重叠的正则表达式(a|ab|abc)通常可以重写为带有嵌套捕获组的非重叠正则表达式，例如(a(b(c)?)?)?，在解包匹配项时，我们忽略除最外层（即最左边）捕获组之外的所有正则表达式；诚然，这有点痛苦，而且不太清晰。这也是匹配性能更高的正则表达式。

— smci

Answers:

175

在前瞻范围内使用捕获组。前瞻捕捉您感兴趣的文本，但是实际匹配在技术上是前瞻之前的零宽度子字符串，因此匹配在技术上是不重叠的：

import re 
s = "123456789123456789"
matches = re.finditer(r'(?=(\d{10}))',s)
results = [int(match.group(1)) for match in matches]
# results: 
# [1234567891,
#  2345678912,
#  3456789123,
#  4567891234,
#  5678912345,
#  6789123456,
#  7891234567,
#  8912345678,
#  9123456789]

— 机械肉
source

我的答案至少比这个答案快2倍。但是，我赞成这种解决方案是棘手的。

— eyquem

说明=而不是搜索模式（10位数字），而是搜索该模式之后的所有内容。因此，它将找到字符串的位置0，字符串的位置1，依此类推。然后，它获取group（1）-匹配的模式并列出这些列表。很酷。

— Tal Weiss

我不知道您可以在前行中使用匹配组，通常不应该将它们包含在匹配项中（匹配的子组确实不会出现完全匹配项）。由于该技术似乎仍在Python 3.4中有效，因此我认为它被认为是一项功能，而不是错误。

— JAB

我加入了StackOverflow，回答了问题，并提高了我的声誉，所以我可以投票赞成这个答案。我现在停留在Python 2.4上，所以我不能使用Python 3的更高级的regex函数，这只是我一直在寻找的怪异技巧。

— TheSoundDefense 2014年

您能否在代码中添加更多说明。按照堆栈溢出的方法，将代码包含在答案中并不是最好的方法。它肯定会帮助人们。

— 阿克斯哈扎里

您也可以尝试使用支持重叠匹配的第三方regex模块（不是re）。

>>> import regex as re
>>> s = "123456789123456789"
>>> matches = re.findall(r'\d{10}', s, overlapped=True)
>>> for match in matches: print match
...
1234567891
2345678912
3456789123
4567891234
5678912345
6789123456
7891234567
8912345678
9123456789

— 戴维·C
source

我喜欢正则表达式，但是这里不需要它们。

只是

s =  "123456789123456789"

n = 10
li = [ s[i:i+n] for i in xrange(len(s)-n+1) ]
print '\n'.join(li)

结果

— 来克
source

仅在这里不需要正则表达式，因为您正在“在一系列较大的数字中”应用特殊知识，因此您已经知道每个位置0 <= i < len(s)-n+1都将保证是10位数字匹配的开始。另外，我认为您的代码可能会加快速度，对于代码高尔夫球而言，这对于提高速度很有趣。

— smci