问如何使用正则表达式找到最短的重叠匹配？

EN

与这里的大多数其他答案相反，这可以在使用带有capturing group的positive lookahead assertion的单个正则表达式中完成

>>> my_pattern = '(?=(a.*?b.*?c))'
>>> my_regex = re.compile(my_pattern, re.DOTALL|re.IGNORECASE)
>>> matches = my_regex.findall(string)
>>> print min(matches, key=len)
A|B|C

findall()将返回所有可能的匹配项，因此您需要min()来获取最短的匹配项。

它是如何工作的：

• 我们不匹配这个正则表达式中的任何文本，只匹配字符串中的位置(正则表达式引擎在尝试匹配时逐步执行)。
• 在每个位置，正则表达式引擎都会向前看，看看您的正则表达式在这个位置是否匹配。
• 如果是，则会被捕获组捕获。
• 如果不是，就不会。
• 在这两种情况下，正则表达式引擎都会前进一个字符，并重复这个过程，直到字符串结束。
• 由于先行断言不占用任何字符，因此将找到所有重叠的匹配项。

不是的。Perl返回最长的、最左边的匹配，同时遵守非贪婪的量词。恐怕你得循环一遍。

编辑:是的，我意识到我在上面提到了Perl，但我相信Python也是如此。

这可能是一个有用的sexegers应用程序。正则表达式匹配偏向于最长、最左边的选择。使用非贪婪的量词，比如在.*?中绕过最长的部分，并颠倒输入和模式都可以绕过最左边的匹配语义。

考虑以下根据需要输出A|B|C的程序：

#! /usr/bin/env python

import re

string = "A|B|A|B|C|D|E|F|G"
my_pattern = 'c.*?b.*?a'

my_regex = re.compile(my_pattern, re.DOTALL|re.IGNORECASE)
matches = my_regex.findall(string[::-1])

for match in matches:
    print match[::-1]

另一种方法是创建一个更严格的模式。假设你不想重复已经看到的字符：

my_pattern = 'a[^a]*?b[^ab]*?c'

您的示例是通用的和人为的，但如果我们对您正在使用的输入有更好的想法，我们就可以提供更好、更有帮助的建议。