在Python中查找与正则表达式匹配的所有（包括重叠）子字符串

我需要找到字符串中所有匹配正则表达式的子字符串的位置。例如，如果字符串是

abbba

，而regexp是

（b | bb）（？=a）

，则结果应该是

[（2,4）、（3,4）]

我想到的是

def get_ranges（模式：str，字符串：str）->list[tuple[int，int]:
n=len（字符串）
返回[（开始，结束）范围内的开始（n+1）范围内的结束（开始，n+1）
if re.fullmatch（f.{{{{start}}}（{pattern}）。{{{{n-end}}，string）]

---

但这往往执行得非常慢，特别是考虑到它不允许使用预编译的regexp。有没有更有效的方法来解决这个问题？

首先，我认为您应该使用

来表示范围内的结束（开始，n+1）

。对于

end

变量，我认为没有任何理由每次迭代都从0开始。通过这个编辑，执行这个代码

for i in range(300000):
    get_ranges(r"(b|bb)(?=a)", "abbba")

---

我的时间从9.67秒到6.01秒。

您可能想尝试稍微不同的正则表达式-

（b{1,2}）（？=a）

，它应该稍微快一点

其次，您可以编译模式，并通过剪切字符串而不是正则表达式来使用它：

pattern = re.compile('(b{1,2})(?=a)')
def get_ranges(pattern: str, string: str):

result = []
start, end = 0, len(string)
match = pattern.search(string)
while match is not None and start < end:
    result.append((match.start(0)+start, match.end(0)+start))
    start += match.start(0) + 1
    match = pattern.search(string[start:])

return result

pattern=re.compile（‘（b{1,2}）（？=a）’）
def get_范围（模式：str，字符串：str）：
结果=[]
开始，结束=0，长度（字符串）
匹配=模式。搜索（字符串）
当匹配不是无且开始<结束：
result.append（（match.start（0）+start，match.end（0）+start））
开始+=匹配。开始（0）+1
match=pattern.search（字符串[start:]）
返回结果

您还可以

生成

，而不是在返回之前完整地构建

结果

比较时间（每100万名执行人员）：

• 原件：38.42 s
• 高于：2.14秒（17.95倍加速比）

• 产量

  版本：0.2914秒（131.85倍加速比）

---

抓得好，谢谢。我已经更新了我的原始代码。然而，我认为这并不能解决这个问题。不幸的是，这在一般情况下不起作用，因为多个匹配的子字符串可以从一个位置开始。此外，删除字符串的前缀将干扰lookbehinds（我也需要使用lookbehinds）。例如，模式

（？好吧，你在问题中没有指定这一点，是吗？但是如果你需要lookbehinds，那么它在你的情况下确实不起作用。这似乎相当于只
返回[m.span（1）for m in re.finditer（f'（？=（{pattern}）），string）]
@sophos这不仅仅是lookbehinds。简单
b{1,2}
与字符串
bb
匹配后，将返回
[（0,2）、（1,2）]
而不是
[（0,1）、（0,2）、（1,2）]
。同意。对于具有可选贪婪匹配的正则表达式，该解决方案是次优的。