为什么我的正向前瞻断言占用了字符串而没有正确匹配？

Question

我试图找到字符串中的所有子字符串，并使用正则表达式打印它们的开始和结束索引

例如， 字符串='bbbcbb' sub='bb' 我必须得到（0,1）（1,2）（4,5）作为输出

我的代码：

import re
matches = list(re.finditer(r'bb(?=[a-zA-Z]|$)', 'bbbcbb'))

输出：

[<_sre.SRE_Match object; span=(0, 2), match='bb'>, 
<_sre.SRE_Match object;span=(4, 6), match='bb'>]

---

我浏览了有关https://docs.python.org/3/library/re.html的文档，据我所知，lookahead断言将通过

1. 在位置0处，它将“bb”与“bb”匹配，后跟“b” bbbcbb
2. 在位置1，它将匹配“bb”和“bb”，然后是“c”。bbbcbb
3. 然后它将不匹配，直到第4位，它将匹配“bb”与“bb”，然后$。bbbcbb

---

为什么lookahead断言忽略（1,3）位置的b'bb'cbb？还是我对前瞻性断言的理解有缺陷

Answer 1

这与您的前瞻性无关，是由re不返回重叠匹配引起的。 下面是一个简单的例子：

import re

regex = re.compile("aa")
results = list(regex.finditer("aaaa"))
#  You expect to get (0, 2), (1, 3), (2, 4)
print(results)
>>> [<_sre.SRE_Match object; span=(0, 2), match='aa'>,
     <_sre.SRE_Match object; span=(2, 4), match='aa'>]

正确的方法是使用groups和lookahead，如下所述：Python regex find all overlapping matches?

Answer 2

模式'bb(?=[a-zA-Z]|$)将匹配2个字符，而不是1断言右边的是字符a-z或字符串的结尾

使用re.finditer，您可能会更新模式以匹配单个b，并将单个b置于正向展望中：

import re
matches = list(re.finditer(r'b(?=b)', 'bbbcbb'))
for m in matches:
    print(m.span())

结果

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