如何找到與正則表達式重疊匹配？

Question

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

由於\ w \ w表示兩個字符，'he'和'll'是預期的。但爲什麼'el'和'lo'不是匹配正則表達式？

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

Answer 1

findall不會產生默認重疊的匹配。然而，這確實表達：

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

這裏(?=...)是lookahead assertion：

(?=...)比賽，如果接下來的比賽...，但不消耗任何 字符串。這被稱爲前瞻斷言。例如， Isaac (?=Asimov)只有跟在'Asimov'之後纔會匹配'Isaac '。

Answer 2

除了零長度斷言之外，輸入中的字符將始終在匹配中消耗。如果你曾經想要在輸入字符串中捕獲特定字符，那麼你需要在正則表達式中使用零長度的斷言。

有幾個零長度斷言（例如^（輸入/行），$（輸入/行尾），\b（字邊界）的開始），但查找變通（(?<=)正向後看和(?=)積極的預見性）是您可以從輸入中捕獲重疊文本的唯一方法。負面觀察（(?<!)負面後視，(?!)負面預測）在這裏並不是很有用：如果他們聲明爲真，那麼捕獲內部失敗;如果他們斷言錯誤，那麼比賽失敗。這些斷言是零長度的（如前所述），這意味着它們將斷言而不消耗輸入字符串中的字符。如果斷言通過，它們實際上會匹配空字符串。

應用上述知識，對於你的情況下工作將是一個正則表達式：

(?=(\w\w)) 

Answer 3

可以使用new Python regex module，它支持重疊的匹配。

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