如何找到子字符串的所有出现？

Question

Python 有两个方法，string.find() 和 string.rfind()，可以用来找出一个字符串中某个子字符串的位置。

我在想，是否有类似 string.find_all() 的方法，可以返回所有找到的位置，而不仅仅是从头开始的第一个或从尾部开始的第一个。

举个例子：

string = "test test test test"

print string.find('test') # 0
print string.rfind('test') # 15

#this is the goal
print string.find_all('test') # [0,5,10,15]

---

_{如果你想要统计出现的次数，可以查看这个链接：统计一个子字符串在字符串中出现的次数。}

Answer 1

这里有一种（效率很低）的方法，可以获取所有（也就是说，包括重叠的）匹配项：

>>> string = "test test test test"
>>> [i for i in range(len(string)) if string.startswith('test', i)]
[0, 5, 10, 15]

这个方法也适用于多个单词组成的子词。

s = "Find THIS SUB-WORD in this sentence with THIS SUB-WORD"
sub = "THIS SUB-WORD"
[i for i in range(len(s)) if s.startswith(sub, I)]
# [5, 41]

Answer 2

>>> help(str.find)
Help on method_descriptor:

find(...)
    S.find(sub [,start [,end]]) -> int

所以，我们可以自己动手来做这个：

def find_all(a_str, sub):
    start = 0
    while True:
        start = a_str.find(sub, start)
        if start == -1: return
        yield start
        start += len(sub) # use start += 1 to find overlapping matches

list(find_all('spam spam spam spam', 'spam')) # [0, 5, 10, 15]

不需要临时字符串或者正则表达式。

Answer 3

没有简单的内置字符串函数可以满足你的需求，但你可以使用更强大的正则表达式来实现：

import re
[m.start() for m in re.finditer('test', 'test test test test')]
#[0, 5, 10, 15]

如果你想找到重叠的匹配项，可以使用前瞻来做到这一点：

[m.start() for m in re.finditer('(?=tt)', 'ttt')]
#[0, 1]

如果你想要一个不重叠的反向查找，可以把正向和负向前瞻结合成这样的表达式：

search = 'tt'
[m.start() for m in re.finditer('(?=%s)(?!.{1,%d}%s)' % (search, len(search)-1, search), 'ttt')]
#[1]

re.finditer会返回一个生成器，所以你可以把上面的[]改成()，这样就能得到一个生成器，而不是一个列表。如果你只打算遍历结果一次，这样会更高效。