Question

所以，我正在通过以下链接查看问题： Finding repeated substrings with R

发布的答案非常好，但我有疑问，如果字符串是

"111111111111"

然后输出

[1] "1111" "111"  "11"

因为，＆＃34; 11＆＃34;和＆＃34; 111＆＃34;包含在＆＃34; 1111＆＃34;不会那两个是多余的，怎么能克服这个？我的魔杖只是＆＃34; 1111＆＃34;此外，我从该问题中理解的是，代码必须输出最大长度的重复字符串。考虑另一个例子：

"101110110110110"

预期输出为：

"110" "101" "011"

Answer 1

对于经典模式，正则表达式引擎不能在同一位置多次匹配相同的字符。

使用字符abcde的示例abc|bcd模式只会为您提供一个结果（abc）但不能为bcd提供第二个匹配，因为bc abc 1}}已经是第一个匹配结果的一部分。换句话说，您无法获得重叠匹配结果，因为在第二次尝试时，字符串中正则表达式引擎的位置是在第一个匹配（在abcde之后）之后。

对于某些重要的事情，如果将所有模式放在先行断言（并且如果使用捕获组来获取某些内容），则可以通过技巧获得重叠结果。这个技巧使用了前瞻不匹配的事实，它只是对当前正则表达式引擎位置的测试，但没有什么不允许将捕获组放入其中。

(?=(abc|bcd))和a的示例：模式在b位置和abc位置成功，但两个完整匹配结果将为空，但是您将获得的第一个捕获组bcd和(?=(abc|abcd))。

但是，始终无法从字符串中的相同位置获取多个结果，因为正则表达式引擎每次获得结果时都会前进到下一个字符（或者根本不获取任何内容）。

如果使用相同的字符串测试此模式abc，则只能在捕获组中获取s <- '111111111111' m <- gregexpr('(?=(.{2,})\\1{2,})', s, perl=TRUE) unique(mapply(function(x, y) substr(s, x, x+y-1), attr(m[[1]], 'capture.start'), attr(m[[1]], 'capture.length')))。再一次，相同的位置无法测试两次。

关于您的具体示例

这是测试代码：

模式的目标是找到长度大于1个字符且重复次数超过1次的子字符串，重复的子字符串必须是连续的。

{{1}}包含十二个字符。如上所述，正则表达式引擎将在每个位置测试整个模式。由于量词在默认情况下是贪婪的，因此您将获得每个位置的最长结果。

结果：

职位：捕获论坛：预测整个匹配
character 1：1111：1111 1111 1111
character 2：111：111 111 111
character 3：111：111 111 111
character 4：111：111 111 111
character 5：11：11 11 11 11
character 6：11：11 11 11
character 7：11：11 11 11

模式成功七次。代码的第二部分仅删除重复项。

R中重复的子串

1 个答案: