Python正则匹配重复子串：解决格式符与量词大括号冲突问题

问题描述 #

需要从字符串"aaaa"中提取所有可能的连续重复子串，预期结果为：

aa
aa
aa
aaa
aaa
aaaa

尝试用正则re.findall(r'(.)\1{1,}')，但仅得到单个字符'a'；后续尝试构造动态正则时，遇到格式符转义问题，代码输出不符合预期。

错误代码及问题 #

原尝试代码：

for n in range(1, 3):
    for m in re.finditer(r'(?=((.)\2{{0}}))'.format(n), 'aaaa'):
        print(m.group(1))

当前输出（不符合预期）：

a
a
a
a
a
a
a
a

问题点：

1. 捕获组引用错误：用\2引用了外层捕获组，而非存储基准字符的内层捕获组(.)；
2. 循环范围不足：range(1,3)仅覆盖了子串长度2和3，漏掉了长度4的"aaaa"；
3. 正则格式符转义逻辑虽正确，但因捕获组引用错误导致匹配结果异常。

正确解决方案 #

import re

target = "aaaa"
# 遍历所有可能的重复子串长度（从2到字符串总长度）
for sub_len in range(2, len(target) + 1):
    repeat_times = sub_len - 1
    # 构造支持重叠匹配的动态正则
    pattern = r'(?=((.)\1{{{0}}}))'.format(repeat_times)
    for match in re.finditer(pattern, target):
        print(match.group(1))

执行后输出与预期一致：

aa
aa
aa
aaa
aaa
aaaa

方案说明 #

1. 正向预查实现重叠匹配：(?=...)是正向预查断言，仅验证当前位置后是否符合规则，不会移动正则匹配指针，因此能捕获到重叠的子串（比如"aaaa"中位置0和1的两个"aa"）；
2. 动态正则构造逻辑：
   • (.)捕获单个基准字符；
   • \1引用基准字符，{{{0}}}通过format替换为{repeat_times}，表示基准字符需连续重复repeat_times次，最终得到长度为sub_len的重复子串；
   • 三层大括号{{{0}}}是为了转义：{{}}会被解析为单个大括号，中间的{0}作为format的占位符替换为具体数字；
3. 循环覆盖所有长度：从2到字符串总长度的循环，确保提取所有可能的连续重复子串。

原错误正则的修正 #

最初的re.findall(r'(.)\1{1,}')仅返回单个字符，是因为findall默认返回捕获组内容，若要得到完整子串且不考虑重叠，可改为re.findall(r'((.)\2{1,})', "aaaa")，但此方式只能得到最长子串"aaaa"，无法捕获重叠子串。

内容的提问来源于stack exchange，提问作者Chris Charley