正則表達式匹配問題

Question

我已經得到了它具有以下格式的字符串

some_string =」 ,,, ,,, XXX XXX XXX ,,, ,,, ,,, XXX XXX XXX ,,,， ,,」 ，這是所謂的F

我想搜索XXX內的特定字詞文本文件的內容（假設這個詞是‘硅’）

注意，XXX都可以不同，可以包含除新行外的任何特殊字符（包括元字符）

match = re.findall(r",{3}(.*?silicon.*?),{3}", f.read()) 
print match 

但是，這似乎不起作用，因爲它返回格式爲： [「xxx ,,, xxx ,,, xxx ,,, xxx ,,, silicon」，「xxx ,,, xxx ,,, xxx ,,, xxsiliconxx「]但我只希望它返回[」硅「，」xxsiliconxx「]

我做錯了什麼？

Answer 1

試試下面的正則表達式：

(?<=,{3})(?:(?!,{3}).)*?silicon.*?(?=,{3}) 

例子：

>>> s = ',,,xxx,,,silicon,,,xxx,,,xxsiliconxx,,,xxx' 
>>> re.findall(r'(?<=,{3})(?:(?!,{3}).)*?silicon.*?(?=,{3})', s) 
['silicon', 'xxsiliconxx'] 

我假設在xxx內容可以包含逗號，只要不是連續三個逗號或將結束領域。如果xxx部分內容不能包含任何逗號，你可以改用以下內容：

(?<=,{3})[^,\r\n]*?silicon.*?(?=,{3}) 

的原因，您目前的方法是行不通的，即使.*?將嘗試匹配儘可能少的字符越好，比賽仍然會盡早開始。因此，例如正則表達式a*?b將匹配整個字符串"aaaab"。唯一一次正則表達式將提前的起始位置是當正則表達式不匹配時，並且因爲,,,可以匹配.*?，所以您的匹配將始終從字符串的開頭或之前的匹配開始。

的回顧後和前瞻用於應對JaredC在意見中提出的問題，基本上re.findall()不會返回重疊的匹配，所以你需要在開頭和結尾,,,到不是比賽的一部分。