如何找到与regexp重叠的匹配项？

Question

>>> match = re.findall(r'\w\w', 'hello')
>>> print match
['he', 'll']

因为\w\w表示两个字符，所以需要“he”和“ll”。但是为什么'el'和'lo'不匹配regex？

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

Answer 1

除了零长度断言外，输入中的字符将始终在匹配中使用。如果您希望在输入字符串中多次捕获某个字符，则需要在regex中使用零长度断言。

有几种零长度断言（例如^（输入/行的开始）、$（输入/行的结束）、\b（单词边界）），但是环视（(?<=)正向后视和(?=)正向前视）是从输入捕获重叠文本的唯一方法。负环视（(?<!)负环视后面，(?!)负环视前面）在这里不是很有用：如果它们断言为true，则内部捕获失败；如果它们断言为false，则匹配失败。这些断言的长度为零（如前所述），这意味着它们将在不使用输入字符串中的字符的情况下进行断言。如果断言通过，它们实际上将匹配空字符串。

应用上述知识，一个适用于您的案例的regex将是：

(?=(\w\w))

Answer 2

您可以使用new Python regex module，它支持重叠匹配。

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

Answer 3

默认情况下，findall不产生重叠匹配。但是，此表达式确实：

>>> re.findall(r'(?=(\w\w))', 'hello')
['he', 'el', 'll', 'lo']

这里(?=...)是一个lookahead assertion：

(?=...) matches if ... matches next, but doesn’t consume any of the string. This is called a lookahead assertion. For example, Isaac (?=Asimov) will match 'Isaac ' only if it’s followed by 'Asimov'.