獲取正則表達式的所有可能匹配項（在python中）？

Question

我有一個可以以多種可能的重疊方式匹配字符串的正則表達式。 但是，它似乎只能捕獲字符串中的一個可能的匹配項，如何獲得所有可能的匹配項？ 我嘗試過finditer並沒有成功，但是也許我用錯了。

我要解析的字符串是：

foo-foobar-foobaz

我正在使用的正則表達式是：

(.*)-(.*)

>>> 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

沒問題：

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

通過將第二個捕獲括號放入前瞻斷言中 ，您可以捕獲其內容，而無需在整體匹配中使用它。

我還用[^-]*代替了.*因為該點還與分隔符匹配-您可能不希望這樣。

Answer 2

正則表達式引擎往往無法做到這一點。 我不知道Python是否可以。 Perl可以使用以下內容：

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

使用以下技術，可以使用多種語言的正則表達式引擎來解決此特定問題：

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

（ ${^PREMATCH}表示正則表達式匹配之前的內容， $1表示第一個()匹配的內容。）

但是您可以在正則表達式引擎之外輕松解決此特定問題：

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語法，但應該可以理解。 歡迎翻譯成Python。

Answer 3

如果要檢測重疊的匹配項，則必須自己實現-本質上是對於字符串foo

1. 查找從字符串索引i開始的第一個匹配項
2. 再次對foo[i+1:]運行匹配功能
3. 在字符串的剩余部分逐漸變短上重復步驟1和2。

如果您使用任意長度的捕獲組（例如(.*) ），它將變得更加棘手，因為您可能不希望同時使用foo-foobar和oo-foobar作為匹配項，因此您必須進行一些額外的分析才能移動i甚至比每場比賽都+1 ； 您需要將其移動到第一個捕獲組值的整個長度，再加上一個。