python - 如何使用正则表达式查找匹配部分重叠的所有匹配项

Question

我有一个很长的 .txt 文件。我想用正则表达式找到所有匹配的结果。

例如 :

test_str = 'ali. veli. ahmet.'
src = re.finditer(r'(\w+\.\s){1,2}', test_str, re.MULTILINE)
print(*src)

此代码返回:

<re.Match object; span=(0, 11), match='ali. veli. '>

我需要;

['ali. veli', 'veli. ahmet.']

我怎么能用正则表达式做到这一点？

Answer 1

(\w+\.\s){1,2}模式包含 repeated capturing group , 和 Python re不存储它找到的所有捕获，它只将最后一个保存到组内存缓冲区中。无论如何，您不需要重复的捕获组，因为您需要从字符串中提取多次出现的模式，而 re.finditer或 re.findall会为你做的。

另外，re.MULTILINE这里不需要标志，因为没有 ^或 $模式中的 anchor 。

你可能会得到预期的结果使用

import re
test_str = 'ali. veli. ahmet.'
src = re.findall(r'(?=\b(\w+\.\s+\w+))', test_str)
print(src)
# => ['ali. veli', 'veli. ahmet']

见 Python demo

图案的意思

(?= - 开始积极的前瞻

\b - 单词边界(这里很重要，必须只在单词边界处开始捕获)

(\w+\.\s+\w+) - 捕获第 1 组:1+ 个字字符，. , 1+ 个空格和 1+ 个单词字符

) - 前瞻结束。