python - 在正则表达式模式中获取捕获组的起始位置

Question

基本上，我想找到任何子字符串第一次出现的索引:“ABC”、“DEF”或“GHI”，只要它们出现在三个间隔内即可。我为匹配此模式而编写的正则表达式是:

regex = compile ("(?:[a-zA-Z]{3})*?(ABC|DEF|GHI)") 

*? 确保我得到第一个匹配项，因为它是非贪婪的。我正在使用捕获组，因为我认为这是实际获取我实际寻找的(子字符串的)索引的唯一方法。我不关心比赛本身从哪里开始，只关心捕获组从哪里开始。 ...{3}... 要求模式以 3 为间隔出现，即:

example_1 = "BNDABCDJML"

example_2 = "JKMJABCKME"

example_1 将匹配，因为 "ABC" 出现在位置 3 但 example_2 将不匹配，因为 “ABC” 出现在位置 4。

理想情况下，给定字符串:

text = "STCABCFFC"

这个匹配，但是如果我只是得到匹配的开始，它会给我 0，因为那是匹配的开始索引，我想要的是 3

我想这样做:

print match(regex, text).group(1).start()

但是，当然，这不起作用，因为 start() 不是字符串的方法，而且字符串现在独立于 text。我不能简单地在捕获组中搜索子字符串的起始索引，因为这不能保证它遵循正则表达式模式(仅以 3 为间隔出现)。也许我忽略了什么，我不会用 python 写太多东西，所以如果这是一个微不足道的问题，请原谅我。

Answer 1

您可以从 match 对象中获取开始和结束索引 - re.MatchObject.start(group) , re.MatchObject.end(group) :

regex = compile ("(?:[a-zA-Z]{3})*?(ABC|DEF|GHI)") 

for m in re.finditer(regex, "STCABCFFC"):
    print m.start(1), m.end(1)
    print m.span(1)  # Prints 2-element tuple `(start, end)`