Регулярное выражение Python находит все совпадающие совпадения?

101

Я пытаюсь найти каждую 10-значную серию чисел в более крупной серии чисел, используя re в Python 2.6.

Я легко могу найти совпадающие совпадения, но мне нужно каждое совпадение в числовой серии. Например.

в "123456789123456789"

У меня должен получиться следующий список:

[1234567891,2345678912,3456789123,4567891234,5678912345,6789123456,7891234567,8912345678,9123456789]

Я нашел ссылки на «опережающий просмотр», но в примерах, которые я видел, показаны только пары чисел, а не более крупные группы, и я не смог преобразовать их за пределы двух цифр.

python regex overlapping

— брюки
источник

Представленные решения не будут работать, если совпадающие совпадения начинаются в одной и той же точке, например, сопоставление «a | ab | abc» и «abcd» вернет только один результат. Есть ли решение для этого, которое не требует многократного вызова match () с отслеживанием границы «конца» вручную?

— Vítor De Araújo

@ VítorDeAraújo: перекрывающиеся регулярные выражения, например, (a|ab|abc)обычно могут быть переписаны как неперекрывающиеся с вложенными группами захвата, например (a(b(c)?)?)?, где мы игнорируем все, кроме самой внешней (то есть самой левой) группы захвата при распаковке совпадения; по общему признанию, это немного болезненно и менее разборчиво. Это также будет более производительное регулярное выражение для соответствия.

— smci

Ответы:

179

Используйте группу захвата внутри просмотра вперед. Предварительный просмотр захватывает интересующий вас текст, но фактическое совпадение технически представляет собой подстроку нулевой ширины перед просмотром вперед, поэтому совпадения технически не перекрываются:

import re 
s = "123456789123456789"
matches = re.finditer(r'(?=(\d{10}))',s)
results = [int(match.group(1)) for match in matches]
# results: 
# [1234567891,
#  2345678912,
#  3456789123,
#  4567891234,
#  5678912345,
#  6789123456,
#  7891234567,
#  8912345678,
#  9123456789]

— механическое_ мясо
источник

Мой ответ как минимум в 2 раза быстрее, чем этот. Но это хитрое решение, я его поддерживаю.

— eyquem 05

Explanation = вместо поиска шаблона (10 цифр), он ищет все, что СЛЕДУЕТ шаблоном. Таким образом, он находит позицию 0 строки, позицию 1 строки и так далее. Затем он берет группу (1) - соответствующий шаблон и составляет их список. Очень круто.

— Tal Weiss

Я присоединился к StackOverflow, ответил на вопросы и поднял свою репутацию, чтобы проголосовать за этот ответ. Я пока застрял с Python 2.4, поэтому я не могу использовать более продвинутые функции регулярных выражений Python 3, и это как раз та причудливая уловка, которую я искал.

— TheSoundDefense 07

Не могли бы вы добавить дополнительные пояснения к коду. Согласно Stack Overflow, это не лучший способ просто иметь код в ответе. Это обязательно поможет людям.

— Акшай Хазари

Это действительно полезно. Спасибо: D

— Sreekiran

Вы также можете попробовать использовать сторонний regexмодуль (не re), который поддерживает перекрывающиеся совпадения.

>>> import regex as re
>>> s = "123456789123456789"
>>> matches = re.findall(r'\d{10}', s, overlapped=True)
>>> for match in matches: print(match)  # print match
...
1234567891
2345678912
3456789123
4567891234
5678912345
6789123456
7891234567
8912345678
9123456789

— Дэвид С
источник

Я получаю:TypeError: findall() got an unexpected keyword argument 'overlapped'

— Карстен

@Carsten: сначала вам нужно установить regexмодуль:pip install regex

— Дэвид Си,

Это сработало, спасибо. Я бы подумал, что получу сообщение об ошибке импорта, если регулярное выражение не установлено

— Карстен

Я люблю регулярные выражения, но они здесь не нужны.

Просто

s =  "123456789123456789"

n = 10
li = [ s[i:i+n] for i in xrange(len(s)-n+1) ]
print '\n'.join(li)

результат

— Eyquem
источник

Регулярные выражения здесь не нужны только потому, что вы применяете специальные знания «в большей серии чисел», поэтому вы уже знаете, что каждая позиция 0 <= i < len(s)-n+1гарантированно будет началом 10-значного совпадения. Также я полагаю, что ваш код можно было бы ускорить, было бы интересно использовать код-гольф для скорости.

— smci