在Python字符串中识别

Question

我试图检索字符串中每个子字符串的索引列表。此字符串在字符串中的不同位置多次包含特殊字符\。应将\识别为字符，而不是特殊字符。当我获得子字符串的起始索引时，它跳过\并返回一个比应该的索引少的索引。任何帮助如何做到这一点将不胜感激。你知道吗

text = "ab\fx*abcdfansab\fasdafdab\f664s"
for m in re.finditer( 'ab\f', text ):
print( 'll found', m.start(), m.end() )

（'ll found'，0，3） （'ll found'，13，16） （'ll found'，22，25）

第二个指数应该是（14，17），第三个指数应该是（24，27）。而且，我不知道为什么第一个是正确的。你知道吗

Answer 1

Python将\解释为转义字符，就像许多其他编程语言一样。如果您想要一个文字反斜杠，请使用raw strings，并在模式中使用两倍的\，因为backslash is a regex metacharacter：

>>> text = r'ab\fx*abcdfansab\fasdafdab\f664s'
>>> for m in re.finditer( r'ab\\f', text ):
...    print( 'll found', m.start(), m.end() )
...
('ll found', 0, 4)
('ll found', 14, 18)
('ll found', 24, 28) 

或者，double the backslashes everywhere, and don't use raw strings。再一次，记住在正则表达式中加倍地逃逸。你知道吗

>>> text = 'ab\\fx*abcdfansab\\fasdafdab\\f664s'
>>> for m in re.finditer( 'ab\\\\f', text ):
...     print( 'll found', m.start(), m.end() )
... 
('ll found', 0, 4)
('ll found', 14, 18)
('ll found', 24, 28)

Answer 2

要查找子字符串的非重叠出现：

haystack = r"ab\fx*abcdfansab\fasdafdab\f664s" # raw-literal to interpret
                                               # the backslash literally
needle = r"ab\f"
n = len(needle)
i = -n
while True:
    i = haystack.find(needle, i+n)
    if i == -1:
        break
    print((i, i+n))

或者使用正则表达式：

import re

print("\n".join(str((m.start(), m.end()))
                for m in re.finditer(re.escape(needle), haystack)))

两者产生相同的输出：

(0, 4)
(14, 18)
(24, 28)