Python 正则表达式 : Capture lookahead value (capturing text without consuming it)

Question

我希望使用正则表达式将单词分成组(vowels, not_vowels, more_vowels)，使用标记来确保每个单词以元音开头和结尾。

import re

MARKER = "~"
VOWELS = {"a", "e", "i", "o", "u", MARKER}

word = "dog"

if word[0] not in VOWELS:
    word = MARKER+word

if word[-1] not in VOWELS:
    word += MARKER

re.findall("([%]+)([^%]+)([%]+)".replace("%", "".join(VOWELS)), word)

在这个例子中我们得到:

[('~', 'd', 'o')]

问题是我希望匹配重叠——最后一组元音应该成为下一场匹配的第一组。如果我们按如下方式替换正则表达式，这似乎可以通过前瞻来实现:

re.findall("([%]+)([^%]+)(?=[%]+)".replace("%", "".join(VOWELS)), word)

我们得到:

[('~', 'd'), ('o', 'g')]

这意味着我们正在匹配我想要的。但是，它现在不返回最后一组元音。我想要的输出是:

[('~', 'd', 'o'), ('o', 'g', '~')]

我觉得这应该是可能的(如果正则表达式可以检查第二组元音，我认为没有理由不能返回它们)，但除了蛮力方法之外我找不到任何方法，在获得结果后循环遍历结果，并将下一个匹配项的第一个字符附加到最后一个匹配项，并将字符串的最后一个字符附加到最后一个匹配项。有没有更好的方法可以做到这一点？

可行的两件事是捕获前瞻值，或者在捕获值的同时不使用匹配项中的文本 - 我找不到任何方法。

Answer 1

刚发帖就发现了:

re.findall("([%]+)([^%]+)(?=([%]+))".replace("%", "".join(VOWELS)), word)

在前瞻中添加一对额外的括号意味着它本身成为一个捕获。

我发现这非常晦涩难懂 - 我不确定是否只有其他人发现这一点很明显，但希望将来任何人在我的位置上都能更容易地找到它。