如何利用Python re模块获取字符串中所有相同单词的Span ID？

哦，这个问题我太熟悉了！re.search()的设计就是只返回第一个匹配到的结果，所以你只能拿到第一个"Jhon"的位置信息。想要获取所有匹配项的Span ID，咱们可以用下面这个最直接的方法：

使用re.finditer()遍历所有匹配 #

re.finditer()会返回一个迭代器，其中每个元素都是一个匹配对象（和re.search()返回的类型完全一致），我们只需要遍历这个迭代器，就能逐个取出每个匹配的Span信息了。

示例代码：

import re

string2 = "Jhon is a good boy,Jhon is brilliant,Jhon is a data scientist,Jhon is Jhon"
# 获取所有匹配的迭代器
match_iter = re.finditer("Jhon", string2)
# 遍历每个匹配对象，顺便给匹配项加个序号
for idx, match in enumerate(match_iter, 1):
    print(f"第{idx}个匹配: 内容='{match.group()}', Span ID={match.span()}")

执行这段代码后，你会得到所有"Jhon"的位置：

第1个匹配: 内容='Jhon', Span ID=(0, 4)
第2个匹配: 内容='Jhon', Span ID=(18, 22)
第3个匹配: 内容='Jhon', Span ID=(36, 40)
第4个匹配: 内容='Jhon', Span ID=(57, 61)
第5个匹配: 内容='Jhon', Span ID=(65, 69)

补充说明 #

• 为什么不用re.findall()？因为re.findall()只会返回所有匹配的字符串内容，没法直接拿到Span位置信息，所以如果需要位置，re.finditer()是更合适的选择。
• 正则匹配默认是非重叠匹配的，也就是说如果有像"JhonJhon"这样的字符串，它只会匹配两个独立的"Jhon"（如果你的正则是"Jhon"的话），不会出现重叠的匹配结果。

内容的提问来源于stack exchange，提问作者Amarjeet Ranasingh