匹配ABC开头、BC组合中间、CBA结尾的Python正则表达式优化方案咨询

首先得明确问题核心：你想要匹配的子串是以ABC开头、以CBA结尾，且开头和结尾之间（包括重叠情况）的字符只能是B或C。原来的ABC[BC]*CBA正则之所以匹配不了ABCBA，是因为它要求ABC和CBA必须是不重叠的——ABC之后得先跟若干B/C，再接完整的CBA，但ABCBA里ABC的最后一个C恰好是CBA的第一个C，属于重叠场景，原正则覆盖不到。

下面提供两种不用|的Pythonic解决思路：

1. 纯字符串处理（不用正则） #

这种方法更直观，适合不想纠结正则语法的场景：

• 先找出所有ABC的起始位置
• 对每个起始位置，检查所有可能的结尾位置，确保子串以CBA结尾，且中间部分（如果有的话）全是B或C
• 额外处理重叠的ABCBA场景

def find_valid_substrings(s):
    valid_substrings = set()
    str_len = len(s)
    
    # 找到所有"ABC"的起始索引
    abc_starts = [i for i in range(str_len - 2) if s[i:i+3] == "ABC"]
    
    for start in abc_starts:
        # 处理重叠情况：直接检查长度为5的子串是否是ABCBA
        if start + 5 <= str_len and s[start:start+5] == "ABCBA":
            valid_substrings.add(s[start:start+5])
        
        # 处理非重叠情况：遍历所有可能的结尾，确保子串以CBA结尾
        # 子串最小长度为6（ABC + 至少0个B/C + CBA，不重叠）
        for end in range(start + 6, str_len + 1):
            # 结尾的三个字符必须是CBA
            if s[end-3:end] == "CBA":
                # 检查中间部分（ABC之后到CBA之前）是否全是B/C
                middle_section = s[start+3 : end-3]
                if all(char in {"B", "C"} for char in middle_section):
                    valid_substrings.add(s[start:end])
    
    return list(valid_substrings)

测试示例：

print(find_valid_substrings("ABCBA"))          # 输出: ['ABCBA']
print(find_valid_substrings("ABCCBA"))         # 输出: ['ABCCBA']
print(find_valid_substrings("ABCBBCBA"))       # 输出: ['ABCBBCBA']
print(find_valid_substrings("ABCABCBA"))       # 输出: ['ABCBA', 'ABCABCBA']

2. 优化后的正则表达式（不用|） #

通过零宽断言调整正则逻辑，让它能覆盖重叠场景：

import re

pattern = r'(?=(ABC[BC]*?(?<=C)BA))'
# 解释：
# - (?=...) 正向预查，用于捕获所有可能的匹配（包括重叠）
# - ABC 匹配开头
# - [BC]*? 非贪婪匹配任意数量的B/C（尽可能少，避免跳过CBA的起始C）
# - (?<=C) 正向断言：确保接下来的BA前面是C（组成CBA）
# - BA 匹配结尾的两个字符

# 示例使用
s1 = "ABCBA"
print(re.findall(pattern, s1))  # 输出: ['ABCBA']

s2 = "ABCCBA"
print(re.findall(pattern, s2))  # 输出: ['ABCCBA']

s3 = "ABCBBCCBA"
print(re.findall(pattern, s3))  # 输出: ['ABCBBCCBA']

这种正则通过非贪婪匹配和零宽断言，既覆盖了重叠的ABCBA，也能匹配非重叠的常规场景，不用写|来分支。

内容的提问来源于stack exchange，提问作者MattS