如何在Python中使用正则表达式从字符串中提取数列项子串

匹配规则设计 #

你要提取的数列项符合两种固定格式：

• 无花括号的简单形式：a_n
• 带花括号的偏移形式：a_{n[±整数]}，例如a_{n-1}、a_{n+3}

对应的正则表达式可以写为：r'a(?:_n|_\{n(?:[+-]\d+)?\})'，该规则会严格匹配符合格式的数列项，不会误匹配表达式里的其他函数、运算符内容。如果需要支持b、c等其他字母开头的数列命名，只需把正则开头的a修改为[a-zA-Z]即可。

Python实现代码 #

import re

def extract_sequence_terms(expression: str) -> set:
    term_pattern = r'a(?:_n|_\{n(?:[+-]\d+)?\})'
    all_terms = re.findall(term_pattern, expression)
    # 自动去重返回集合
    return set(all_terms)

效果测试 #

测试用例1：
输入："a_n = a_{n-1} + a_{n-2}"
输出：{'a_n', 'a_{n-1}', 'a_{n-2}'}，完全符合预期。

测试用例2：
输入："a_n*a_{n-1} = ln(a_{n-2} * a_n)*a_{n-3}"
输出：{'a_n', 'a_{n-1}', 'a_{n-2}', 'a_{n-3}'}，完全符合预期。

语法调整建议 #

如果可以修改输入语法规则，建议统一要求所有数列下标都用花括号包裹，即把a_n规范为a_{n}，不仅可以进一步简化正则逻辑，还能避免后续扩展复杂下标（比如多参数偏移、自定义变量偏移）时出现解析歧义。

内容的提问来源于stack exchange，提问作者Jonathan