RegExp 匹配重复字符

Question

例如我有字符串：

 aacbbbqq

结果我想要以下匹配：

 (aa, c, bbb, qq)  

我知道我可以写这样的东西：

 ([a]+)|([b]+)|([c]+)|...  

但我觉得我很丑，正在寻找更好的解决方案。我正在寻找正则表达式解决方案，而不是自己编写的有限状态机。

Answer 1

您可以将其与：

(\w)\1*

匹配

Answer 2

itertools.groupby

不是RexExp，但也不是自己编写的。 :-) 来自 python 文档的引用：

# [list(g) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC D

Answer 3

一般

技巧是匹配所需范围内的单个字符，然后确保匹配同一字符的所有重复：

>>> matcher= re.compile(r'(.)\1*')

这会匹配任何单个字符 (

.

)，然后匹配其重复字符 (

\1*

)（如果有）。

对于您的输入字符串，您可以获得所需的输出：

>>> [match.group() for match in matcher.finditer('aacbbbqq')]
['aa', 'c', 'bbb', 'qq']

注意：由于匹配组的原因，

re.findall

将无法正常工作。

其他范围

如果您不想匹配任何字符，请相应更改正则表达式中的

.

：

>>> matcher= re.compile(r'([a-z])\1*') # only lower case ASCII letters
>>> matcher= re.compile(r'(?i)([a-z])\1*') # only ASCII letters
>>> matcher= re.compile(r'(\w)\1*') # ASCII letters or digits or underscores
>>> matcher= re.compile(r'(?u)(\w)\1*') # against unicode values, any letter or digit known to Unicode, or underscore

对照

u'hello²²'

(Python 2.x) 或

'hello²²'

(Python 3.x) 检查后者：

>>> text= u'hello=\xb2\xb2'
>>> print('\n'.join(match.group() for match in matcher.finditer(text)))
h
e
ll
o
²²

如果您首先发出

\w

调用，则locale.setlocale 针对非 Unicode 字符串/字节数组可能会被修改。

Answer 4

这可以工作，请参阅此处的工作示例：http://www.rubular.com/r/ptdPuz0qDV

(\w)\1*

Answer 5

如果您像这样捕获反向引用，则 findall 方法将起作用：

result = [match[1] + match[0] for match in re.findall(r"(.)(\1*)", string)]

Answer 6

您可以使用：

re.sub(r"(\w)\1*", r'\1', 'tessst')

输出将是：

'test'

Answer 7

你可以尝试这样的事情：

import re

string = 'aacbbbqq'
result = re.findall(r'((\w)\2*?)', string)
output = [x[0] for x in result]

print(output)

输出将是：

['aa', 'c', 'bbb', 'qq']

Answer 8

这个原始解决方案可能有用..

    string ="helllllo worlddd hhiii "
    i=0
    j=1
    b=''
    l=[]
    for a in range(len(string)-1):
        if string[i] !=  string[j]:
            j=j+1
            i=j-1
            if b:
                l.append(b)
                b=''
        elif string[i] == string[j]:
            if j-i ==1:`enter code here`
                b+=string[i:j+1]
            else:
                b+=string[i]
            j=j+1
    print(l)

output:
['lllll', 'ddd', 'hh', 'iii']