Question

我在这个字母表中有一个字母{A, B, C}和一个（大）字数：
AAABBCABBCCCCAA, ABBBCCC, BBBBCACAC, ...（不同的长度，不同的组合）

我正在寻找一组可以描述这些词的正则表达式（越小越好）。我更喜欢紧凑型（(BC)+而不是BCBC）。这不是家庭作业。

这样做的好方法是什么？
是否有Python包已经这样做了？

我发现this question是相关的。

更新：当我说(BC)+超过BCBC时，我可能会匆匆忙忙。我更喜欢尽可能少的表达式（在最坏的情况下，每个字符串有一个正则表达式），因此首选A+，AA或AA+来表示{{1 （例如）应该取决于其他字符串显示的模式。

Answer 1

如果我理解你的问题，你就会有一个字母表，以及该字母表中的字符串列表，你想构建一个与这些字符串完全匹配的模式。

您可以为每个字符串构建deterministic finite automata，从non-deterministic finite automata构建所有DFA的组合。然后将DFA简化为NFA。然后只需将NFA转换为模式。

如果不是已经模式化的字符串，这甚至可以工作。但是，无法保证您将获得尽可能小的模式。

我不知道在Python中操纵DFA或NFA的任何库。

Answer 2

以下是使用这些单词处理字符串的几种方法，但只有第一种方法需要正则表达式：

strings =['AAABBCABBCCCCAA', 'ABBBCCC', 'BBBBCACAC']

import re
for string in strings:
    matches = re.findall(r'([A-C]+)', string)
    if matches:
        print matches[0]

输出：

AAABBCABBCCCCAA
ABBBCCC
BBBBCACAC

或者你也可以使用这样的东西，这取决于你打算用正则表达式做什么：

from itertools import groupby
results = [(string, [''.join(g) for k, g in groupby(string)]) for string in strings]
print
for result in results:
    print '{}: {}'.format(*result)

输出：

AAABBCABBCCCCAA: ['AAA', 'BB', 'C', 'A', 'BB', 'CCCC', 'AA']
ABBBCCC: ['A', 'BBB', 'CCC']
BBBBCACAC: ['BBBB', 'C', 'A', 'C', 'A', 'C']

可以描述字符串的正则表达式

2 个答案: