Question

我有像"aaaaabbbbbbbbbbbbbbccccccccccc"这样的字符串。字符的数量可以不同，有时字符串中可能会出现短划线，如"aaaaa-bbbbbbbbbbbbbbccccccccccc"。

是否有任何智能方法可以将其分割为"aaaaa"，"bbbbbbbbbbbbbb"，"ccccccccccc"并获取索引，如果它是拆分的，或者只是获取索引，而不循环遍历每个字符串？如果短划线位于模式之间，它可以在左侧或右侧之间结束，只要它始终处理相同。

有什么想法吗？

Answer 1

正则表达式MatchObject结果包括匹配的索引。剩下的就是匹配重复的字符：

import re

repeat = re.compile(r'(?P<start>[a-z])(?P=start)+-?')

仅当给定的字母字符（a - z）至少重复一次时，

才会匹配：

>>> for match in repeat.finditer("aaaaabbbbbbbbbbbbbbccccccccccc"):
...     print match.group(), match.start(), match.end()
... 
aaaaa 0 5
bbbbbbbbbbbbbb 5 19
ccccccccccc 19 30

匹配结果中的.start()和.end()方法可为您提供输入字符串中的确切位置。

破折号包含在匹配中，但不包含非重复字符：

>>> for match in repeat.finditer("a-bb-cccccccc"):
...     print match.group(), match.start(), match.end()
... 
bb- 2 5
cccccccc 5 13

如果您希望a-部分匹配，只需将+替换为*乘数：

repeat = re.compile(r'(?P<start>[a-z])(?P=start)*-?')

Answer 2

如何使用itertools.groupby？

>>> s = 'aaaaabbbbbbbbbbbbbbccccccccccc'
>>> from itertools import groupby
>>> [''.join(v) for k,v in groupby(s)]
['aaaaa', 'bbbbbbbbbbbbbb', 'ccccccccccc']

这会将-作为自己的子字符串，可以很容易地过滤掉。

>>> s = 'aaaaa-bbbbbbbbbbbbbb-ccccccccccc'
>>> [''.join(v) for k,v in groupby(s) if k != '-']
['aaaaa', 'bbbbbbbbbbbbbb', 'ccccccccccc']

Answer 3

str="aaaaabbbbbbbbbbbbbbccccccccccc"
p = [0] 
for i, c in enumerate(zip(str, str[1:])):
    if c[0] != c[1]:
        p.append(i + 1)
print p

# [0, 5, 19]

Python按模式拆分字符串

3 个答案: