Python正则表达式：如何检查字符串中的字符是否在正则匹配的子串范围内？

Question

我有一个正则表达式的模式，我用它去处理一大段文本（其实就是一个字符串）。在这段文本中，有几个不连续的地方符合这个正则表达式。现在，我想建立一个状态机，逐个字符地遍历这段文本，根据当前字符的位置和这个位置是否在正则匹配的范围内，做不同的事情。

通过使用 RE.finditer(text)，我可以找到所有符合条件的子字符串，并提取它们的位置范围。这样，我就得到了一个元组的列表，比如：

(1, 5)
(10, 15)
(20, 55)，
等等。

有了这些信息，给定字符串中某个字符的索引，我可以写一个算法来判断这个字符是否属于正则匹配的子字符串。例如，给定字符索引为6，我可以查看这个范围列表，确定它并不在任何匹配的子字符串中。

有没有更好的方法来做到这一点呢？

提前谢谢你，

JW

Answer 1

编辑：听起来你想自己写一个解析器状态机（FSM），它的功能之一是处理逗号字符，只有在这些逗号没有被转义的情况下才进行处理。

下面这个正则表达式可以用来匹配一个标识符，可能包含转义的逗号。你可以把它和antlr/lex一起使用：

input = r'aaaaa,bbbb/,ccccc,dddddd,'

pat = re.compile(r'((\w+|/,)+)')

for mat in re.finditer(pat, input):
    ... do stuff with mat.group(0)

---

（原始回答：这可能是个不错的解决方案，但你没有提供足够的上下文让我们判断。）

这个字符是出现一次还是多次？如果只出现一次，你可以检查一下从 string.find(char) 返回的索引是否在正则表达式匹配的范围内。

这个字符是任意字符吗？给我们一个具体的例子吧！

你为什么要逐个字符地进行这个操作？你是不是没有顺序地检查多个字符？

你想要的结果是布尔值（‘是的，字符在某个正则匹配的范围内找到了’）吗？如果字符在正则匹配的外面找到了，你会怎么处理？

Answer 2

编辑
这里有一个正则表达式，可以提取两个,之间的文本，同时忽略被转义的,：

(?=<,)(?:[^,]|(?=</),)(?=,)

原始回答
这里有一些伪代码，应该能满足你的需求：

pattern = re.compile(...)
pos = 0

while (match = pattern.search(haystack, pos)) {
  for (i in range(pos, match.start)
    //These chars are outside the match.

  for (i in group(0))
    //The chars are in the match

  pos = match.end

//Finish with the rest of the chars not matched
for (i in range(pos, len(haystack))
  //These chars are outside the match.