正则表达式中任意顺序匹配所有字符

Question

我刚接触正则表达式，但我知道怎么在正则查询中按顺序匹配任何字符，比如说 [abc] 可以匹配 a、b 或 c 中的任意一个。而且，我相信 "abc" 会精确匹配 abc。

不过，我想知道怎么构造一个正则查询，可以匹配 abc 这几个字符，不管它们的顺序是什么。所以比如说，我希望它能匹配 "cab" 或 "bracket"。我在用 Python 作为我的脚本语言（不确定这是否重要）。

Answer 1

这里是对 issubset 和 正则表达式 解决方案的时间比较。

import re

def using_lookahead(text):
    pat=re.compile(r'^(?=.*a)(?=.*b)(?=.*c)')
    return pat.search(text)

def using_set(text):
    chars=set('abc')
    return chars.issubset(text)

---

对于短字符串，issubset 可能会稍微快一点：

% python -mtimeit -s'import test' "test.using_set('bracket')"
100000 loops, best of 3: 2.63 usec per loop
% python -mtimeit -s'import test' "test.using_lookahead('bracket')"
100000 loops, best of 3: 2.87 usec per loop

但是对于长字符串，正则表达式明显更快：

• 当匹配结果出现得比较晚的时候：

  % python -mtimeit -s'import test' "test.using_set('o'*1000+'bracket')"
  10000 loops, best of 3: 49.7 usec per loop
  % python -mtimeit -s'import test' "test.using_lookahead('o'*1000+'bracket')"
  100000 loops, best of 3: 6.66 usec per loop
  

• 当匹配结果出现得比较早的时候：

  % python -mtimeit -s'import test' "test.using_set('bracket'+'o'*1000)"
  10000 loops, best of 3: 50 usec per loop
  % python -mtimeit -s'import test' "test.using_lookahead('bracket'+'o'*1000)"
  100000 loops, best of 3: 13.9 usec per loop
  

---

（为了回答评论中的一个问题：）可以使用 r'^(?=.*a)(?=.*b)(?=.*c)' 来表示要匹配的内容：

In [40]: pat=re.compile(r'^(?=.*a)(?=.*b)(?=.*c)')

In [41]: pat.search('bracket')
Out[41]: <_sre.SRE_Match object at 0x9f9a6b0>

Answer 2

这可以通过前瞻断言来实现：

^(?=.*a)(?=.*b)(?=.*c)

这个匹配规则会检查你的字符串中是否至少包含一次 a、b 和 c。

不过，正如你所看到的，这其实不是正则表达式擅长的事情。

我会这样做：

if all(char in mystr for char in "abc"):
    # do something

检查速度：

>>> timeit.timeit(stmt='chars.issubset("bracket");chars.issubset("notinhere")',
... setup='chars=set("abc")')
1.3560583674019995
>>> timeit.timeit(stmt='all(char in "bracket" for char in s);all(char in "notinhere" for char in s)', 
... setup='s="abc"')
1.4581878714681409
>>> timeit.timeit(stmt='r.match("bracket"); r.match("notinhere")', 
... setup='import re; r=re.compile("(?=.*a)(?=.*b)(?=.*c)")')
1.0582279123082117

嘿，看看，正则表达式赢了！即使是对于更长的搜索字符串，这个结果也是成立的：

>>> timeit.timeit(stmt='chars.issubset("bracketed");chars.issubset("notinhere")', 
... setup='chars=set("abcde")')
1.4316702294817105
>>> timeit.timeit(stmt='all(char in "bracketed" for char in s);all(char in "notinhere" for char in s)', 
... setup='s="abcde"')
1.6696223364866682
>>> timeit.timeit(stmt='r.match("bracketed"); r.match("notinhere")', 
... setup='import re; r=re.compile("(?=.*a)(?=.*b)(?=.*c)(?=.*d)(?:.*e)")')
1.1809254199004044

Answer 3

在Python中，我不会为了这个目的使用正则表达式，而是会用一个集合：

>>> chars = set("abc")
>>> chars.issubset("bracket")
True
>>> chars.issubset("fish")
False
>>> chars.issubset("bad")
False

正则表达式很有用，但在某些情况下，其他工具会更合适。