正则表达式匹配重复字符

Question

例如，我有字符串：

 aacbbbqq

因此，我希望有以下匹配项：

 (aa, c, bbb, qq)  

我知道我可以写这样的东西：

 ([a]+)|([b]+)|([c]+)|...  

但我觉得我很丑，在寻找更好的解决办法。我在寻找正则表达式的解，而不是自己编写的有限状态机。

Answer 1

一般

诀窍是匹配所需范围的单个字符，然后确保匹配同一字符的所有重复：

>>> matcher= re.compile(r'(.)\1*')

它匹配任何单个字符（.），如果有，则匹配其重复（\1*）。

对于输入字符串，您可以获得所需的输出：

>>> [match.group() for match in matcher.finditer('aacbbbqq')]
['aa', 'c', 'bbb', 'qq']

注意：由于匹配组，re.findall将无法正常工作。

其他范围

如果您不想匹配任何字符，请相应地更改正则表达式中的.：

>>> matcher= re.compile(r'([a-z])\1*') # only lower case ASCII letters
>>> matcher= re.compile(r'(?i)([a-z])\1*') # only ASCII letters
>>> matcher= re.compile(r'(\w)\1*') # ASCII letters or digits or underscores
>>> matcher= re.compile(r'(?u)(\w)\1*') # against unicode values, any letter or digit known to Unicode, or underscore

对照u'hello²²'（Python 2.x）或'hello²²'（Python 3.x）检查后者：

>>> text= u'hello=\xb2\xb2'
>>> print('\n'.join(match.group() for match in matcher.finditer(text)))
h
e
ll
o
²²

如果您首先发出了一个^{}调用，则可能会修改针对非Unicode字符串的\w/bytearray。

Answer 2

itertools.groupby不是RexExp，但也不是自写的。：-）来自python文档的引用：

# [list(g) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC D

Answer 3

您可以将其与：(\w)\1*匹配