¿Cómo encontrar todas las ocurrencias de una subcadena?

Python tiene string.find()ystring.rfind() para obtener el índice de una subcadena en una cadena.

Me pregunto si hay algo como lo string.find_all()que puede devolver todos los índices encontrados (no solo el primero desde el principio o el primero desde el final).

Por ejemplo:

string = "test test test test"

print string.find('test') # 0
print string.rfind('test') # 15

#this is the goal
print string.find_all('test') # [0,5,10,15]

No existe una función de cadena integrada simple que haga lo que está buscando, pero podría usar las expresiones regulares más potentes :

import re
[m.start() for m in re.finditer('test', 'test test test test')]
#[0, 5, 10, 15]

Si desea encontrar coincidencias superpuestas, lookahead lo hará:

[m.start() for m in re.finditer('(?=tt)', 'ttt')]
#[0, 1]

Si desea una búsqueda inversa sin superposiciones, puede combinar anticipación positiva y negativa en una expresión como esta:

search = 'tt'
[m.start() for m in re.finditer('(?=%s)(?!.{1,%d}%s)' % (search, len(search)-1, search), 'ttt')]
#[1]

re.finditerdevuelve un generador , por lo que podría cambiar lo []anterior para ()obtener un generador en lugar de una lista que será más eficiente si solo está iterando a través de los resultados una vez.

>>> help(str.find)
Help on method_descriptor:

find(...)
    S.find(sub [,start [,end]]) -> int

Por lo tanto, podemos construirlo nosotros mismos:

def find_all(a_str, sub):
    start = 0
    while True:
        start = a_str.find(sub, start)
        if start == -1: return
        yield start
        start += len(sub) # use start += 1 to find overlapping matches

list(find_all('spam spam spam spam', 'spam')) # [0, 5, 10, 15]

No se requieren cadenas temporales o expresiones regulares.

Aquí hay una forma (muy ineficiente) de obtener todas las coincidencias (es decir, incluso superpuestas):

>>> string = "test test test test"
>>> [i for i in range(len(string)) if string.startswith('test', i)]
[0, 5, 10, 15]

Una vez más, viejo hilo, pero aquí está mi solución usando un generador y simple str.find.

def findall(p, s):
    '''Yields all the positions of
    the pattern p in the string s.'''
    i = s.find(p)
    while i != -1:
        yield i
        i = s.find(p, i+1)

Ejemplo

x = 'banananassantana'
[(i, x[i:i+2]) for i in findall('na', x)]

devoluciones

[(2, 'na'), (4, 'na'), (6, 'na'), (14, 'na')]

Puede usar re.finditer()para coincidencias no superpuestas.

>>> import re
>>> aString = 'this is a string where the substring "is" is repeated several times'
>>> print [(a.start(), a.end()) for a in list(re.finditer('is', aString))]
[(2, 4), (5, 7), (38, 40), (42, 44)]

pero no funcionará para:

In [1]: aString="ababa"

In [2]: print [(a.start(), a.end()) for a in list(re.finditer('aba', aString))]
Output: [(0, 3)]

Ven, volvamos juntos.

def locations_of_substring(string, substring):
    """Return a list of locations of a substring."""

    substring_length = len(substring)    
    def recurse(locations_found, start):
        location = string.find(substring, start)
        if location != -1:
            return recurse(locations_found + [location], location+substring_length)
        else:
            return locations_found

    return recurse([], 0)

print(locations_of_substring('this is a test for finding this and this', 'this'))
# prints [0, 27, 36]

No hay necesidad de expresiones regulares de esta manera.

Si solo está buscando un solo personaje, esto funcionaría:

string = "dooobiedoobiedoobie"
match = 'o'
reduce(lambda count, char: count + 1 if char == match else count, string, 0)
# produces 7

También,

string = "test test test test"
match = "test"
len(string.split(match)) - 1
# produces 4

Mi presentimiento es que ninguno de estos (especialmente # 2) es terriblemente eficaz.

Este es un hilo viejo pero me interesé y quería compartir mi solución.

def find_all(a_string, sub):
    result = []
    k = 0
    while k < len(a_string):
        k = a_string.find(sub, k)
        if k == -1:
            return result
        else:
            result.append(k)
            k += 1 #change to k += len(sub) to not search overlapping results
    return result

Debería devolver una lista de posiciones donde se encontró la subcadena. Comente si ve un error o un margen de mejora.

Esto hace el truco para mí usando re.finditer

import re

text = 'This is sample text to test if this pythonic '\
       'program can serve as an indexing platform for '\
       'finding words in a paragraph. It can give '\
       'values as to where the word is located with the '\
       'different examples as stated'

#  find all occurances of the word 'as' in the above text

find_the_word = re.finditer('as', text)

for match in find_the_word:
    print('start {}, end {}, search string \'{}\''.
          format(match.start(), match.end(), match.group()))

Este hilo es un poco viejo pero esto funcionó para mí:

numberString = "onetwothreefourfivesixseveneightninefiveten"
testString = "five"

marker = 0
while marker < len(numberString):
    try:
        print(numberString.index("five",marker))
        marker = numberString.index("five", marker) + 1
    except ValueError:
        print("String not found")
        marker = len(numberString)

Puedes probar :

>>> string = "test test test test"
>>> for index,value in enumerate(string):
    if string[index:index+(len("test"))] == "test":
        print index

0
5
10
15

Cualesquiera que sean las soluciones proporcionadas por otros, se basan completamente en el método disponible find () o en cualquier método disponible.

¿Cuál es el algoritmo básico básico para encontrar todas las ocurrencias de una subcadena en una cadena?

def find_all(string,substring):
    """
    Function: Returning all the index of substring in a string
    Arguments: String and the search string
    Return:Returning a list
    """
    length = len(substring)
    c=0
    indexes = []
    while c < len(string):
        if string[c:c+length] == substring:
            indexes.append(c)
        c=c+1
    return indexes

También puede heredar la clase str a una nueva clase y puede usar esta función a continuación.

class newstr(str):
def find_all(string,substring):
    """
    Function: Returning all the index of substring in a string
    Arguments: String and the search string
    Return:Returning a list
    """
    length = len(substring)
    c=0
    indexes = []
    while c < len(string):
        if string[c:c+length] == substring:
            indexes.append(c)
        c=c+1
    return indexes

Llamando al método

newstr.find_all ('¿Le resulta útil esta respuesta? ¡luego vote por esto!', 'esto')

Esta función no mira todas las posiciones dentro de la cadena, no desperdicia recursos de cómputo. Mi intento:

def findAll(string,word):
    all_positions=[]
    next_pos=-1
    while True:
        next_pos=string.find(word,next_pos+1)
        if(next_pos<0):
            break
        all_positions.append(next_pos)
    return all_positions

para usarlo llámalo así:

result=findAll('this word is a big word man how many words are there?','word')

Cuando busque una gran cantidad de palabras clave en un documento, use flashtext

from flashtext import KeywordProcessor
words = ['test', 'exam', 'quiz']
txt = 'this is a test'
kwp = KeywordProcessor()
kwp.add_keywords_from_list(words)
result = kwp.extract_keywords(txt, span_info=True)

Flashtext se ejecuta más rápido que regex en una gran lista de palabras de búsqueda.

src = input() # we will find substring in this string
sub = input() # substring

res = []
pos = src.find(sub)
while pos != -1:
    res.append(pos)
    pos = src.find(sub, pos + 1)

Esta es la solución de una pregunta similar de hackerrank. Espero que esto te pueda ayudar.

import re
a = input()
b = input()
if b not in a:
    print((-1,-1))
else:
    #create two list as
    start_indc = [m.start() for m in re.finditer('(?=' + b + ')', a)]
    for i in range(len(start_indc)):
        print((start_indc[i], start_indc[i]+len(b)-1))

Salida:

aaadaa
aa
(0, 1)
(1, 2)
(4, 5)

Al dividir, encontramos todas las combinaciones posibles y las agregamos en una lista y encontramos el número de veces que ocurre usando la countfunción

s=input()
n=len(s)
l=[]
f=input()
print(s[0])
for i in range(0,n):
    for j in range(1,n+1):
        l.append(s[i:j])
if f in l:
    print(l.count(f))

mira el siguiente código

#!/usr/bin/env python
# coding:utf-8
'''黄哥Python'''


def get_substring_indices(text, s):
    result = [i for i in range(len(text)) if text.startswith(s, i)]
    return result


if __name__ == '__main__':
    text = "How much wood would a wood chuck chuck if a wood chuck could chuck wood?"
    s = 'wood'
    print get_substring_indices(text, s)

La forma pitónica sería:

mystring = 'Hello World, this should work!'
find_all = lambda c,s: [x for x in range(c.find(s), len(c)) if c[x] == s]

# s represents the search string
# c represents the character string

find_all(mystring,'o')    # will return all positions of 'o'

[4, 7, 20, 26] 
>>> 

Puedes usar fácilmente:

string.count('test')!

https://www.programiz.com/python-programming/methods/string/count

¡Salud!