Python如何提取字符串中的元音组并获取各元音组对应索引

需求说明 #

• 从目标字符串中提取所有连续元音构成的元音组，同时记录每个元音组在原字符串中的起始索引
• 示例：单词britain的元音组为i（起始索引2）、ai（起始索引4），最终输出两个列表，分别存储元音组内容、对应起始位置
• 可选用正则、itertools.groupby或手写循环实现

原有代码问题 #

当前编写的循环逻辑存在以下缺陷：

• 循环范围设置为range(len(first)-1)，会遗漏字符串最后一位字符的判断
• 仅在遇到非元音字符时才会暂存元音组，如果字符串以元音结尾，最后一组元音会丢失
• 没有记录元音组的起始索引
• 会将空字符串误加入结果列表

实现方案 #

方案1：正则表达式实现（最简洁） #

使用re.finditer可以直接获取所有匹配的连续元音段，同时直接拿到匹配段的起始位置，不需要手动维护状态：

import re

def extract_vowel_groups(input_str):
    matches = re.finditer(r'[aeiou]+', input_str)
    vowel_groups = []
    start_indexes = []
    for match in matches:
        vowel_groups.append(match.group())
        start_indexes.append(match.start())
    return vowel_groups, start_indexes

# 测试
print(extract_vowel_groups('britain')) # (['i', 'ai'], [2, 4])
print(extract_vowel_groups('phoebe'))  # (['oe', 'e'], [2, 5])

如果需要忽略大小写匹配，给finditer加参数re.IGNORECASE即可。

方案2：itertools.groupby实现 #

itertools.groupby可以自动将连续满足相同判断条件的字符归为一组，遍历过程中累加索引即可拿到每组的起始位置：

from itertools import groupby

def extract_vowel_groups(input_str):
    vowel_groups = []
    start_indexes = []
    current_pos = 0
    vowel_set = {'a', 'e', 'i', 'o', 'u'}
    for is_vowel, char_iter in groupby(input_str, key=lambda x: x in vowel_set):
        group_content = ''.join(char_iter)
        group_len = len(group_content)
        if is_vowel:
            vowel_groups.append(group_content)
            start_indexes.append(current_pos)
        current_pos += group_len
    return vowel_groups, start_indexes

# 测试
print(extract_vowel_groups('britain')) # (['i', 'ai'], [2, 4])
print(extract_vowel_groups('phoebe'))  # (['oe', 'e'], [2, 5])

方案3：修正手写循环逻辑 #

如果不想引入额外模块，也可以直接修正原有循环逻辑，补全边界处理和索引记录：

def extract_vowel_groups(input_str):
    vowel_set = {'a', 'e', 'i', 'o', 'u'}
    vowel_groups = []
    start_indexes = []
    temp_group = []
    group_start = None
    for idx, char in enumerate(input_str):
        if char in vowel_set:
            if not temp_group:
                group_start = idx
            temp_group.append(char)
        else:
            if temp_group:
                vowel_groups.append(''.join(temp_group))
                start_indexes.append(group_start)
                temp_group = []
    # 处理字符串以元音结尾的边界情况
    if temp_group:
        vowel_groups.append(''.join(temp_group))
        start_indexes.append(group_start)
    return vowel_groups, start_indexes

# 测试
print(extract_vowel_groups('britain')) # (['i', 'ai'], [2, 4])
print(extract_vowel_groups('phoebe'))  # (['oe', 'e'], [2, 5])

内容的提问来源于stack exchange，提问作者Rcarit