文字列内から該当文字の重複検索の方法

Question

前提・実現したいこと

python初級者です。
文字列の中から該当する文字列が何番目にあるかを検索しようと考えているのですが
その際に、重複した部分も含めて検索するためのシステム作成に難儀しています。
たとえば、aabbbbcccdddという文字列にbbで検索をかけて、2と3と4を返してくれるようなコードです。

発生している問題・エラーメッセージ

該当のソースコード

import re

num_list = [m.start() for m in re.finditer("bb", "aabbbbcccddd")]
print (num_list)

試したこと

上記のコードを試してみたのですが、2と4が返ってきてしまいまい、3が飛ばされてしまいます。
よろしくお願いいたします。

Answer 1

正規表現のマッチは、マッチした部分を消費してしてしまいます。
「通り過ぎてしまいます」のほうがわかりやすいか。
複数マッチの場合、前回マッチした部分の次から探し始めます。なので、2の次は4です。

1文字ずつ消費していけば良いので、先読みを使って"b(?=b)"ですね。
これだと、マッチする対象は1文字目のbだけなので、1つずつ進みます。

Comments

[pardeki]

先読みなる概念を初めて知りました、勉強になります。
おかげさまで希望の検索ができるようになりました。
ありがとうございました！

[otn]

何故2,4になるのかは、納得できましたか？

[pardeki]

はい。最初の2を検出した時点でaa'bb'bbcccdddの部分を消費してしまい、次の検出はaabb'bb'cccdddとなってしまうためですね

Answer 2

def search(text, target):
    found = []
    i = 0
    while i < len(text):
            i = text.find(target, i)
            if i == -1:
                break
            found.append(i)
            i += 1
    return found

txt = 'aabbbbcccddd'
print(search(txt, "bb"))