Question

我一直坚持这个正则表达式

# Find the following keywords: sea, sear, search, 
# Find all overlapping keywords 
p = re.compile(r'(sea)+(r?((ch)?))')

pos = 0
while pos<len(s):
    m = p.search(s,pos)
    if m:
       pos = m.end()
       w = m.group()
       g = m.groups()
       #print w,g
       for k in range(len(g)):
         if g[k]:
             w += ', '+g[k]
             print w
         else:
           break

s ='search for searing remarks that mark whether the ark came by sea'

我也需要找到所有重叠的关键字。但是我的尝试产生了

search, sea
search, sea, rch
search, sea, rch, ch
sear, sea
sear, sea, r
sea, sea

我应该如何处理它。我今天刚学会了。在此先感谢

预期结果：海，灼烧，寻找第一个'搜索' 灼热应该产生灼热和海水

Answer 1

您当前的正则表达式应该能够检测到sea，sear或search。但是，有一个小问题：

(sea)+(r?((ch)?))
     ^  ^     ^
     2  1     1

在我标记为1的2个点上，您允许seach与正则表达式匹配。由于r和ch都是可选的，因此可以seach。

您允许重复sea，这意味着seaseasear可以匹配。嗯，这不是一场灾难，你仍然可以确定多少重复，但这很不方便。

修正了一下：

sea(r(ch)?)?

使用上面的正则表达式，由于?是贪婪的，它会在回溯与空字符串匹配的情况之前尝试匹配。因此，搜索顺序为search - ＆gt; sear - ＆gt; sea。

由于re.search方法不允许多个匹配从同一索引开始，因此必须在单个匹配中处理它们。我想不出任何直接给出结果的方法。可能检查和推断是唯一的方法。

有很多方法可以检查匹配的内容。检查组0中字符串的长度是单向的。另一种方法是检查组2和组1中匹配的内容。

Answer 2

你可能正在寻找一个后视断言。见here

您还应该将“r”和“ch”组转换为第一个捕获组中的非捕获组，如下所示（假设单词边界始终为空格，您可以轻松地概括它）：

p = re.compile("(sea(?:r(?:ch)?)?) ")

如果您的关键字始终是一串前缀，那么您通过对字符串中的每个位置进行迭代来浪费时间。您只想匹配从最大到最小的前缀（即最大的前缀将首先匹配）：

p = re.compile("(search|sear|sea)")

然后，您可以使用函数拆分较大的前缀。

Python正则表达式重叠问题被困

2 个答案: