我有一个可能有重复字符模式的字符串，例如
'xyzzyxxyzzyxxyzzyx'
我需要编写一个正则表达式，用最小的重复模式替换这样的字符串：
'xyzzyxxyzzyxxyzzyx' becomes 'xyzzyx',
'abcbaccbaabcbaccbaabcbaccba' becomes 'abcbaccba'
问问题
7862 次
3 回答
9
使用以下内容：
> re.sub(r'(.+?)\1+', r'\1', 'xyzzyxxyzzyxxyzzyx')
'xyzzyx'
> re.sub(r'(.+?)\1+', r'\1', 'abcbaccbaabcbaccbaabcbaccba')
'abcbaccba'
> re.sub(r'(.+?)\1+', r'\1', 'iiiiiiiiiiiiiiiiii')
'i'
它基本上匹配一个重复自身的模式(.+?)\1+，并删除除重复模式之外的所有内容，该模式在第一组中捕获\1。另请注意，在这里使用不情愿的限定符 ie+?会使正则表达式回溯很多。
演示。
于 2012-09-17T23:54:37.227 回答
4
由于您想要最小的重复模式，因此以下内容应该适合您：
re.sub(r'^(.+?)\1+$', r'\1', input_string)
和锚确保您不会在字符串的中间找到匹配项，并且通过使用^而不只是您将获得最短的模式（使用类似的字符串比较结果）。$.+?.+'aaaaaaaaaa'
于 2012-09-18T00:05:24.003 回答
2
试试这个正则表达式模式并捕获第一组：
^(.+?)\1+$
^字符串/行开头的锚点.除换行符以外的任何字符+表示至少 1 次出现的量词?使+懒惰而不是贪婪，从而为您提供最短的模式()捕获组\1+带量词的反向引用表示模式应该至少重复一次$字符串/行尾的锚点
在这里测试它：Rubular
上面的解决方案做了很多影响性能的回溯。如果您知道这些字符串中不允许使用哪些字符，则可以使用否定字符集来消除回溯。例如，如果不允许使用空格，则
^([^\s]+)\1+$
于 2012-09-18T03:13:21.093 回答