替换相同字符的序列

Question

在Python中，替换utf-8文本中3个或更多相同字符序列的最快方法是什么？我需要用2个字符替换3个或更多相同字符的序列。 一、 e

aaa -> aa 
bbbb -> bb
abbbcd -> abbcd
124xyyyz3 -> 124xyyz3

Answer 1

>>> import re
>>> re.sub(r'(\w)\1{2,}', r'\1\1', 'aaa')
'aa'
>>> re.sub(r'(\w)\1{2,}', r'\1\1', 'bbbb')
'bb'

Answer 2

可以使用正则表达式：

import re
re.sub(r'(.)\1{2,}', r'\1\1', 'bbbbbaaacc')

模式捕获跟在同一字符后面重复两次或更多次的任何字符，并匹配此子字符串。替换只将匹配的子字符串替换为捕获的字符中的两个。点不会替换重复的新行，请使用(.|\n)或re.DOTALL标志。在

它也适用于Unicode：

^{pr2}$

如果您有一个包含utf-8文本的字符串变量x，请使用x.decode('utf-8')。在

Answer 3

虽然对于这种特定的情况，我会使用正则表达式，但您也可以在任意序列上使用此泛型to运算符，例如：

from itertools import groupby, chain, islice

s = 'abaaaaaabbbbbbbbcdcddddde'
print ''.join(chain.from_iterable(islice(g, 2) for k, g in groupby(s)))
# abaabbcdcdde