Comment utiliser les expressions rationnelles pour trouver toutes les correspondances qui se chevauchent ?

Question

J'essaie de trouver chaque série de 10 chiffres à l'intérieur d'une plus grande série de chiffres en utilisant re dans Python 2.6.

Il m'est facile de ne pas avoir de chevauchements, mais je veux toutes les correspondances de la série de numéros. Par exemple.

dans "123456789123456789"

Je devrais obtenir la liste suivante :

[1234567891,2345678912,3456789123,4567891234,5678912345,6789123456,7891234567,8912345678,9123456789]

J'ai trouvé des références à un "lookahead", mais les exemples que j'ai vus ne montrent que des paires de nombres plutôt que des groupes plus importants et je n'ai pas été en mesure de les convertir au-delà de deux chiffres.

Answer 1

Utiliser un groupe de capture à l'intérieur d'un lookahead. Le lookahead capture le texte qui vous intéresse, mais la correspondance réelle est techniquement la sous-chaîne de largeur nulle avant le lookahead, de sorte que les correspondances ne se chevauchent pas techniquement :

import re 
s = "123456789123456789"
matches = re.finditer(r'(?=(\d{10}))', s)
results = [int(match.group(1)) for match in matches]
# results: 
# [1234567891,
#  2345678912,
#  3456789123,
#  4567891234,
#  5678912345,
#  6789123456,
#  7891234567,
#  8912345678,
#  9123456789]

Answer 2

Vous pouvez également essayer d'utiliser la fonction tiers regex module (pas re ), qui prend en charge les correspondances qui se chevauchent.

>>> import regex as re
>>> s = "123456789123456789"
>>> matches = re.findall(r'\d{10}', s, overlapped=True)
>>> for match in matches: print(match)  # print match
...
1234567891
2345678912
3456789123
4567891234
5678912345
6789123456
7891234567
8912345678
9123456789

Answer 3

J'aime bien les regex, mais elles ne sont pas nécessaires ici.

Simplement

s =  "123456789123456789"

n = 10
li = [ s[i:i+n] for i in xrange(len(s)-n+1) ]
print '\n'.join(li)

résultat

1234567891
2345678912
3456789123
4567891234
5678912345
6789123456
7891234567
8912345678
9123456789

Answer 4

En complément de la réponse acceptée, la solution suivante fonctionne également à l'heure actuelle

import re
s = "123456789123456789"
matches = re.findall(r'(?=(\d{10}))',s)
results = [int(match) for match in matches]

Answer 5

De manière conventionnelle :

import re

S = '123456789123456789'
result = []
while len(S):
    m = re.search(r'\d{10}', S)
    if m:
        result.append(int(m.group()))
        S = S[m.start() + 1:]
    else:
        break
print(result)