用python正则表达式匹配重复模式

感谢zhenhai的莅临教导。

简单的问题：

一个字符串是”AAAAA”（5个A），我想从中找到”AAAA”的pattern有几个，怎么找？

可能有些人第一反应是findall，我起初也这么觉得，但是：

>>> import re >>> pat=re.compile(‘A{4}’) >>> m=pat.findall(‘AAAAA’) >>> m [‘AAAA’]

列表m只有一个元素，而不是我们期望的两个。

这是因为findall找到匹配的子字符串后，相当于“消费”了这些字符串，下一次的匹配就从第5个A开始查找，当然找不到。。

解决方法：

使用(?=...) 以下抄自这里

Matches if ... matches next, but doesn't consume any of the string. This is called a lookahead assertion. For example, Isaac (?=Asimov) will match 'Isaac ' only if it's followed by 'Asimov'.

大意：仅当…匹配后面的字段时，才认为前面的字段是匹配，而与…匹配的字段不会被“消费”，仍然会被查找。

继续上面的例子：

>>> import re >>> pat=re.compile(‘A(?=AAA)’) >>> m=pat.findall(‘AAAAA’) >>> m [‘A’, ‘A’]

现在列表m的长度是2,我们找到了2个匹配。

下面有个稍微复杂的例子：

>>> pat=re.compile(‘[AT][AT][ACGT][ACGT][CG][CG]’) >>> m=pat.findall(‘ATATATCCGG’) >>> m [‘ATATCC’]

>>> pat=re.compile(‘AT’) >>> m=pat.findall(‘ATATATCCGG’) >>> m [‘A’, ‘T’, ‘A’]

另外一个解决此问题的方法是遍历字符串。

>>> indices = [m.start() for m in re.finditer(re.compile(‘AT’), ‘ATATATCCGG’)] >>> indices [2, 3, 4]

完