查找所有出現的子字符串（包括重疊）？

Question

好的，所以我發現了這個： 如何找到所有出現的子字符串？

也就是說，要獲得列表中子字符串的重疊出現的索引，您可以使用：

[m.start() for m in re.finditer('(?=SUBSTRING)', 'STRING')]

哪個有效，但我的問題是要查找的字符串和子字符串都是由變量定義的。 我對正則表達式的了解不夠，不知道如何處理它 - 我可以讓它與不重疊的子字符串一起工作，這只是：

[m.start() for m in re.finditer(p3, p1)]

編輯：

因為有人問，所以我會繼續指定。 p1 和 p3 可以是任何字符串，但如果它們是，例如p3 = "tryt"和p1 = "trytryt" ，結果應該是[0, 3] 。

Answer 1

re.finditer的參數是簡單的字符串。 如果變量中有子字符串，只需將其格式化為正則表達式即可。 像'(?={0})'.format(p3)是一個開始。 由於各種符號在 RE 中確實具有特殊含義，因此您將需要對它們進行轉義。 幸運的是re模塊包含re.escape為了滿足這種需要。

[m.start() for m in re.finditer('(?={0})'.format(re.escape(p3)), p1)]

Answer 2

正則表達式在這里可能有點矯枉過正：

>>> word = 'tryt'
>>> text = 'trytryt'
>>> [i for i, _ in enumerate(text) if text.startswith(word, i)]
[0, 3]

Answer 3

您正在執行此操作（或句法變體）：

import re

needle = "(?=(aba))"
haystack = "ababababa"

[match.start() for match in re.finditer(needle, haystack)]
#>>> [0, 2, 4, 6]

哪個應該工作。

因此，問題可能是needle的形式不正確，“(?=(...))”（從您與 D.Shawley 的互動中可以明顯看出這一點）。 在這種情況下，有幾種選擇。

如果您的子字符串是有效的正則表達式，您可以手動遍歷可能的位置，進行匹配。

needle = re.compile(needle)
[i for i in range(len(haystack)) if needle.match(haystack, i)]
#>>> [0, 2, 4, 6]

如果您不想要任意的正則表達式而只是精確的子字符串匹配，那么完全避免正則表達式並使用以下方法會更清晰：

needle = "aba"
haystack = "ababababa"

[i for i in range(len(haystack)) if haystack.startswith(needle, i)]
#>>> [0, 2, 4, 6]

如果您正在尋找更快的結果，您可以擴展循環並使用.index來加快搜索速度：

def findall(needle, haystack):
    i = 0
    try:
        while True:
            i = haystack.index(needle, i)
            yield i
            i += 1

    except ValueError:
        pass

這是我能想到的最快的方法。