获取正则表达式的所有可能匹配项（在python中）？

Question

我有一个可以以多种可能的重叠方式匹配字符串的正则表达式。 但是，它似乎只能捕获字符串中的一个可能的匹配项，如何获得所有可能的匹配项？ 我尝试过finditer并没有成功，但是也许我用错了。

我要解析的字符串是：

foo-foobar-foobaz

我正在使用的正则表达式是：

(.*)-(.*)

>>> s = "foo-foobar-foobaz"
>>> matches = re.finditer(r'(.*)-(.*)', s)
>>> [match.group(1) for match in matches]
['foo-foobar']

我想要匹配（foo和foobar-foobaz），但似乎只能得到（foo-foobar和foobaz）。

Answer 1

没问题：

>>> regex = "([^-]*-)(?=([^-]*))"
>>> for result in re.finditer(regex, "foo-foobar-foobaz"):
>>>     print("".join(result.groups()))
foo-foobar
foobar-foobaz

通过将第二个捕获括号放入前瞻断言中 ，您可以捕获其内容，而无需在整体匹配中使用它。

我还用[^-]*代替了.*因为该点还与分隔符匹配-您可能不希望这样。

Answer 2

正则表达式引擎往往无法做到这一点。 我不知道Python是否可以。 Perl可以使用以下内容：

local our @matches;
"foo-foobar-foobaz" =~ /
    ^(.*)-(.*)\z
    (?{ push @matches, [ $1, $2 ] })
    (*FAIL)
/xs;

使用以下技术，可以使用多种语言的正则表达式引擎来解决此特定问题：

my @matches;
while ("foo-foobar-foobaz" =~ /(?=-(.*)\z)/gsp) {
   push @matches, [ ${^PREMATCH}, $1 ];
}

（ ${^PREMATCH}表示正则表达式匹配之前的内容， $1表示第一个()匹配的内容。）

但是您可以在正则表达式引擎之外轻松解决此特定问题：

my @parts = split(/-/, "foo-foobar-foobaz");
my @matches;
for (1..$#parts) {
   push @matches, [
      join('-', @parts[0..$_-1]),
      join('-', @parts[$_..$#parts]),
   ];
}

很抱歉使用Perl语法，但应该可以理解。 欢迎翻译成Python。

Answer 3

如果要检测重叠的匹配项，则必须自己实现-本质上是对于字符串foo

1. 查找从字符串索引i开始的第一个匹配项
2. 再次对foo[i+1:]运行匹配功能
3. 在字符串的剩余部分逐渐变短上重复步骤1和2。

如果您使用任意长度的捕获组（例如(.*) ），它将变得更加棘手，因为您可能不希望同时使用foo-foobar和oo-foobar作为匹配项，因此您必须进行一些额外的分析才能移动i甚至比每场比赛都+1 ； 您需要将其移动到第一个捕获组值的整个长度，再加上一个。