Python正则表达式：如何解析字符串中重复的分组？

Question

我想用一个模式匹配纯数字字符串，比如 '2324235235980980'，使用以下描述的模式：

该模式为 '2-6-8-7-4'，模式从2开始，转移到6，可以在6处循环，也可以转移到8，然后可以在6和8之间来回循环，可以在8处循环，或者可以转移到7。对于7而言，还有一件事情就是可以发生7-8-6-8-7的循环。最后，7可以到达4，一旦到达4，模式就完成了。在此过程中，如果到达其他点，则必须重新从2开始计算。

我使用了HTML标签。

import re    
re.findall(r'(2((6+8+)+)7)', test_string)

输出包括'2666686888668887'，但是当我加上4时，我不知道该如何编译。有人有想法吗？非常感谢！

- Richard Riverlands

---

当你说“它可以在6和8之间来回运动，可以在8处进行自循环，或者可以转移到7”时，这是否意味着它可以走6-8-6-7，还是需要先返回8再去7？ - CAustin

此外，当您说“7的同样的事情”时，您确切指的是什么？是8在6和自身之间来回移动的属性吗？如果您提供一个有效和无效字符串列表，概述尽可能多的边缘情况，那将会很有帮助。 - CAustin

为什么要使用 [perl] 标签，如果这是一个 Python 的问题？ - tinita

把2-6-8-7-4看作是一个隧道，一旦你从2进入，在每个时间段内，你向隧道前进一步。你不会在中途打破隧道，而是可以在任何中间点停留任意长的时间。你也可以在中间点来回穿梭。一旦到达终点4，你就走出了隧道。 - Richard Riverlands

当我添加标签时，[perl] 是建议的标签之一... 很抱歉带来困惑。 - Richard Riverlands

Answer 1

我认为这比最初预期的要容易实现:

26[68]+?[687]+?4

2后跟6后跟6 | 8后跟6 | 8 | 7后跟4。

唯一不太明显的部分是使模式变成惰性匹配。

这是一个更好的模式：

\b26?([^7]6|8|[^6]7)+?4\b

2后跟（非7）6 | 8 |（非6）7后跟4。

- wp78de

---

这真是太好了！完美地解决了我的问题！谢谢你！ - Richard Riverlands

等一下，有一个问题。当我测试字符串'26876874'时，它匹配了不应该匹配的内容。你不能在一步中从7转换到6。只会出现'7-8-6-8-7-4'，而不是'7-6-8-7-4'。你有什么想法来解决这个问题吗？ - Richard Riverlands

Answer 2

我不确定我是否理解您的需求，但也许这可以为您工作：

string = "2666686888668887748926874"
index = [(m.start(0), m.end(0)) for m in re.finditer(r'2(6+8+)+7+\1?4', string)]
print(index)

输出：[(0, 18), (20, 25)]。

是一个包含每个出现的起始和结束索引的元组列表。

- Tania Reyes

---

这可能对我的进一步探索有所帮助。感谢您的工作！ - Richard Riverlands