查找重叠匹配项
给定一个字符串（来自文本文件的一行），我想找到所有像这样构建的子字符串：
[[ words ]]
例如：
[[foo [[ bar ]]
应该返回这两个：
[[foo [[ bar ]]
和
[[ bar ]]
另一个例子：
[[foo]] 和 [[bar]]
应该产生：
[[foo]]
和
[[bar]]
我想到了一个公式：
\[\[.+\]\]
但它工作得不太好（匹配得太多了）。
谢谢大家的帮助！
2 个回答
1
这个内容使用了正向前瞻的方式来捕捉并返回你重叠的匹配结果：
>>> re.findall(r'(?=(\[\[.*?\]\]))', '[[foo [[ bar ]]')
# ['[[foo [[ bar ]]', '[[ bar ]]']
>>> re.findall(r'(?=(\[\[.*?\]\]))', '[[foo]] and [[bar]]')
# ['[[foo]]', '[[bar]]']
注意在*这个量词后面有一个?，这让你的匹配变得不贪婪，也就是说它会尽量匹配最少的内容。
2
重叠匹配：使用前瞻
如果你想要懒惰的重叠匹配，可以使用这个正则表达式：
(?=(\[\[.?*\]\]))
在Python中：
import re
pattern = r"(?=(\[\[.*?\]\]))"
print(re.findall(pattern, "[[foo [[ bar ]]"))
print(re.findall(pattern, "[[foo]] and [[bar]]"))
输出结果：
['[[foo [[ bar ]]', '[[ bar ]]']
['[[foo]]', '[[bar]]']
如果你想要“贪婪的重叠”，可以使用 (?=(\[\[.*\]\]))
输出结果：
['[[foo [[ bar ]]', '[[ bar ]]']
['[[foo]] and [[bar]]', '[[bar]]']
解释
- 前瞻
(?= ... )表示括号内的内容可以被匹配（但实际上并不匹配它，这样我们就能找到重叠的匹配） - 括号中的 `([[.*]])` 将匹配到的字符串捕获到第1组
\[\[匹配[[.*贪婪地匹配任何字符- 在
.*?中，星号量词被?变得“懒惰”，这样点号只会匹配所需的最少字符，以便下一个符号能够匹配（最短匹配）。如果没有?，.*会先匹配整个字符串，然后回溯到只需要的地方，以便下一个符号能够匹配（最长匹配）。 \]\]匹配]]
参考资料