Question

假设我想使用正则表达式删除字符串中所有重复的字符（特定字符）。这很简单 -

import re
re.sub("a*", "a", "aaaa") # gives 'a'

如果我想用相应的char替换所有重复的字符（即a，z），该怎么办？我该怎么做？

import re
re.sub('[a-z]*', <what_to_put_here>, 'aabb') # should give 'ab'
re.sub('[a-z]*', <what_to_put_here>, 'abbccddeeffgg') # should give 'abcdefg'

注意：我知道删除重复方法可以使用哈希表或一些O（n ^ 2）算法更好地解决，但我想使用正则表达式来探索这个

Answer 1

>>> import re
>>> re.sub(r'([a-z])\1+', r'\1', 'ffffffbbbbbbbqqq')
'fbq'

()周围的[a-z]指定捕获组，然后指定\1（反向引用）模式和替换是指第一个捕获组的内容。

因此，正则表达式读取“找到一个字母，然后是一个或多个同一个字母的出现”，然后将整个找到的部分替换为找到的一个字母。

旁注......

仅a的示例代码实际上是错误的：

>>> re.sub('a*', 'a', 'aaabbbccc')
'abababacacaca'

您真的希望将'a+'用于正则表达式而不是'a*'，因为*运算符与“0或更多”匹配项匹配，因此将匹配两个之间的空字符串非a字符，而+运算符匹配“1或更多”。

Answer 2

如果您还想删除非连续出现的重复项，则必须将内容包装在循环中，例如：像这样

 s="ababacbdefefbcdefde"

 while re.search(r'([a-z])(.*)\1', s):
     s= re.sub(r'([a-z])(.*)\1', r'\1\2', s)

 print s  # prints 'abcdef'

Answer 3

包括所有类别的解决方案：

re.sub(r'(.)\1+', r'\1', 'aaaaabbbbbb[[[[[')

给予：

'ab['

使用正则表达式删除重复的字符？

3 个答案:

旁注......