Python 获取重叠匹配的开始和停止索引？

我需要知道下一个正则表达式中匹配项的开始索引和结束索引：

pat = re.compile("(?=(ATG(?:(?!TAA|TGA|TAG)\w\w\w)*))")

示例字符串是

s='GATGDTATGDTAAAA'

pat.findall

返回所需的匹配项

['ATGDTATGD'，'ATGDTAAAA']

。如何提取开始索引和结束索引？ 我试过：

---

但是，

it.end（）

总是与

it.start（）

一致，因为我的模式的开头是从

开始的（？=

，所以它不消耗任何字符串（我需要它来捕获重叠的匹配）显然，

pat.findall

提取了所需的字符串，但如何获取开始和停止索引？

正则表达式中没有重叠匹配

要么匹配，要么不匹配。匹配的任何内容只能是一个匹配/子匹配的一部分

---

看，ahead是短暂的，它们不会增加任何实际计数器。

正如@Tomalak所说，regexp引擎没有内置的重叠匹配概念，因此找不到“聪明”的解决方案（，结果是错误的-见下文）。但使用循环实现它很简单：

import re
pat = re.compile("ATG(?:(?!TAA|TGA|TAG)\w\w\w)*")
s = 'GATGDTATGDTAAAA'
i = 0
while True:
    m = pat.search(s, i)
    if m:
        start, end = m.span()
        print "match at {}:{} {!r}".format(start, end, m.group())
        i = start + 1
    else:
        break

哪个显示

match at 1:10 'ATGDTATGD'
match at 6:15 'ATGDTAAAA'

它的工作原理是在最后一个匹配开始后的一个字符上重新开始搜索，直到再也找不到匹配为止

“聪明”还是定时炸弹？ 如果你想过上危险的生活，你可以对原来的

finditer

code:

print it.start(1)
print it.end(1)

也就是说，获取第一个（

1

）捕获组的开始和结束。通过不传递参数，您可以获得匹配的开始和结束作为一个整体—当然，匹配断言总是匹配空字符串（因此开始和结束是相等的）

我说这是危险的，因为断言中捕获组的语义（无论是向前看还是向后看，正面还是负面，…）充其量都是模糊的。很难说您是否在这里遇到了错误（或实现事故）！可爱：-）

编辑：经过一夜的睡眠和对pythondev的简短讨论，我相信这种行为是有意的（也是如此可靠）。要查找regexp R的所有匹配项（可能重叠！），请将其按如下方式包装：

pat = re.compile("(?=(" + R + "))")

然后

for m in pat.finditer(some_string):
    m.group(1)  # the matched substring
    m.span(1)   # the slice indices of the match substring
    # etc

很好

最好将

（？=（R））

解读为“在此处匹配一个空字符串，但前提是

R

从此处开始，如果成功，请将匹配内容的信息放入第1组”。然后，

finditer（）

继续匹配空字符串时的操作：它将搜索的开始移动到下一个字符，然后重试（与我第一个答案中的手动循环相同）

---

将其与

findall（）

一起使用更为棘手，因为如果

R

也包含捕获组，您将获得所有捕获组（无法拾取和选择，就像您可以使用匹配对象（如

finditer（）

返回）一样）。

您的

开始（）

和

结束（）

在

finditer（）中的索引

返回相同的数字，因为正则表达式中没有重叠的匹配项。但你可能会相信其他的东西。如果你编辑你的答案，我可以撤销否决票，否则否决票会被锁定。不，我不会。也许下次你在投下反对票之前会花更多的时间。对不起，我误解了你的问题，一开始我不清楚你所说的重叠比赛是什么意思。但是，有时人们在认真尝试帮助时会犯错误，因此，我认为你的态度是不必要的。礼貌地解释某人可能误解了你并不难。大多数人在被礼貌地告知后，会表示歉意，并寻求做正确的事情，有时甚至会比一开始没有误解时付出更大的努力，以弥补他们的错误。如果你粗鲁无礼，你将失去一切考虑。如果我粗鲁无礼，请原谅。感谢您的帮助。我看到您已经删除了其他评论，也许是我误判了您，我很抱歉在发布之前没有花更多时间理解您的问题。@Tim Peters有趣的建议，更改了两个字符。我想了想，并尝试添加0，因为我认为我正在匹配整个匹配！所以在这种情况下，整个组是空的，但子组不是：-）@msh，完全正确！这正是为什么我不愿意依赖它的原因：在一个空的火柴里面有一个非空的火柴的概念只是有点尖叫“bug alert！”；-）@蒂姆看起来我在理论上是对的，但在实践中却是错的。NET正则表达式也做同样的事情-您可以在断言中提取组的长度，即使匹配的总长度为0。@Tomalak，我们在那里是同一条船；-）现在尝试在Python开发人员邮件列表中讨论它。

for m in pat.finditer(some_string):
    m.group(1)  # the matched substring
    m.span(1)   # the slice indices of the match substring
    # etc