正则表达式匹配问题

Question

我有一个字符串，其格式如下

some_string =“,,, xxx ,,, xxx ,,, xxx ,,, xxx ,,, xxx ,,, xxx ,,,” 这是一个名为f

的文本文件的内容

我想搜索xxx中的特定术语（假设术语是'硅'）

请注意，xxx可以全部不同，并且可以包含除新行之外的任何特殊字符（包括元字符）

match = re.findall(r",{3}(.*?silicon.*?),{3}", f.read())
print match

但这似乎不起作用，因为它返回的格式为： [“xxx ,,, xxx ,,, xxx ,,, xxx ,,,硅”，“xxx ,,, xxx ,,, xxx ,,, xxsiliconxx”]但我只想让它返回[“硅”，“ xxsiliconxx“]

我做错了什么？

Answer 1

尝试以下正则表达式：

(?<=,{3})(?:(?!,{3}).)*?silicon.*?(?=,{3})

示例：

>>> s = ',,,xxx,,,silicon,,,xxx,,,xxsiliconxx,,,xxx'
>>> re.findall(r'(?<=,{3})(?:(?!,{3}).)*?silicon.*?(?=,{3})', s)
['silicon', 'xxsiliconxx']

我假设xxx中的内容可以包含逗号，而不是连续三个逗号，或者它会结束字段。如果xxx部分中的内容不能包含任何逗号，则可以改为使用以下内容：

(?<=,{3})[^,\r\n]*?silicon.*?(?=,{3})

您当前的方法不起作用的原因是即使.*?尝试匹配尽可能少的字符，匹配仍将尽早开始。例如，正则表达式a*?b将匹配整个字符串"aaaab"。正则表达式推进起始位置的唯一时间是正则表达式无法匹配，并且由于,,,可以匹配.*?，所以您的匹配将始终从字符串的开头或刚刚开始上一场比赛。

lookbehind和lookahead用于解决JaredC在评论中提出的问题，基本上re.findall()不会返回重叠匹配，因此您需要前导,,,不属于{{1}}比赛。