查找字符串「出現兩次，一個字母」

Question

我試圖捕捉如果在一個字符串使用正則表達式中出現兩次一個字母（？也許有一些更好的方法），例如我的字符串是：

ugknbfddgicrmopn 

輸出將是：

dd 

不過，我想是這樣：

re.findall('[a-z]{2}', 'ugknbfddgicrmopn') 

但在這種情況下，換貨政... RNS：

['ug', 'kn', 'bf', 'dd', 'gi', 'cr', 'mo', 'pn'] # the except output is `['dd']` 

---

我也有一種方式來獲得的期望輸出：

>>> l = [] 
>>> tmp = None 
>>> for i in 'ugknbfddgicrmopn': 
...  if tmp != i: 
...   tmp = i 
...   continue 
...  l.append(i*2) 
...  
... 
>>> l 
['dd'] 
>>> 

但是，這太複雜了......

---

如果僅是'abbbcppq'，然後catch：

abbbcppq 
^^ ^^ 

所以輸出：

['bb', 'pp'] 

---

然後，如果它是'abbbbcppq'，抓bb兩次：

abbbbcppq 
^^^^ ^^ 

所以輸出：

['bb', 'bb', 'pp'] 

Answer 1

您需要使用捕捉基於組正則表達式和定義你的正則表達式爲原始字符串。

>>> re.search(r'([a-z])\1', 'ugknbfddgicrmopn').group() 
'dd' 
>>> [i+i for i in re.findall(r'([a-z])\1', 'abbbbcppq')] 
['bb', 'bb', 'pp'] 

或

>>> [i[0] for i in re.findall(r'(([a-z])\2)', 'abbbbcppq')] 
['bb', 'bb', 'pp'] 

注意，這裏re.findall應該與由第一組作爲第一元件和所述第二組作爲第二元件匹配的字符返回的元組的列表。對於我們的第一組內的字符就足夠了，所以我提到了i[0]。

Answer 2

作爲Python化方式您可以使用zip列表理解中的功能：

>>> s = 'abbbcppq' 
>>> 
>>> [i+j for i,j in zip(s,s[1:]) if i==j] 
['bb', 'bb', 'pp'] 

如果你正在處理大字符串可以使用iter()函數將字符串轉換爲一個迭代器，並使用itertols.tee()通過調用第二個迭代的next函數來創建兩個獨立的迭代器，然後使用第一個項目並使用此迭代器調用zip類（在Python 2.X中使用itertools.izip()，它返回一個迭代器）。

>>> from itertools import tee 
>>> first = iter(s) 
>>> second, first = tee(first) 
>>> next(second) 
'a' 
>>> [i+j for i,j in zip(first,second) if i==j] 
['bb', 'bb', 'pp'] 

基準與RegEx配方：

# ZIP 
~ $ python -m timeit --setup "s='abbbcppq'" "[i+j for i,j in zip(s,s[1:]) if i==j]" 
1000000 loops, best of 3: 1.56 usec per loop 

# REGEX 
~ $ python -m timeit --setup "s='abbbcppq';import re" "[i[0] for i in re.findall(r'(([a-z])\2)', 'abbbbcppq')]" 
100000 loops, best of 3: 3.21 usec per loop 

---

上次編輯後在評論中提到，如果你想只匹配在像"abbbcppq"串1對b可以使用finditer()返回匹配對象的迭代器，並用group()方法提取結果：

>>> import re 
>>> 
>>> s = "abbbcppq" 
>>> [item.group(0) for item in re.finditer(r'([a-z])\1',s,re.I)] 
['bb', 'pp'] 

請注意re.I是IGNORECASE標誌，它使RegEx與大寫字母匹配。

Answer 3

使用後向引用，這是很容易：

import re 
p = re.compile(ur'([a-z])\1{1,}') 
re.findall(p, u"ugknbfddgicrmopn") 
#output: [u'd'] 
re.findall(p,"abbbcppq") 
#output: ['b', 'p'] 

有關詳細信息，你可以參考一個類似的問題在Perl：Regular expression to match any character being repeated more than 10 times

Answer 4

>>> l = ['ug', 'kn', 'bf', 'dd', 'gi', 'cr', 'mo', 'pn'] 
>>> import re 
>>> newList = [item for item in l if re.search(r"([a-z]{1})\1", item)] 
>>> newList 
['dd'] 

Answer 5

也許你可以使用發電機來實現這一

def adj(s): 
    last_c = None 
    for c in s: 
     if c == last_c: 
      yield c * 2 
     last_c = c 

s = 'ugknbfddgicrmopn' 
v = [x for x in adj(s)] 
print(v) 
# output: ['dd'] 

Answer 6

A1 = "abcdededdssffffccfxx" 

print A1[1] 
for i in range(len(A1)-1): 
    if A1[i+1] == A1[i]: 
     if not A1[i+1] == A1[i-1]: 
      print A1[i] *2 

Answer 7

「也許有一些更好的辦法」

因爲regex往往是由未來開發商誤解遇到你的代碼（可即使是你）， 由於更簡單！=更短，

下面的僞代碼如何？

function findMultipleLetters(inputString) {   
    foreach (letter in inputString) { 
     dictionaryOfLettersOccurrance[letter]++; 
     if (dictionaryOfLettersOccurrance[letter] == 2) { 
      multipleLetters.add(letter); 
     } 
    } 
    return multipleLetters; 
} 
multipleLetters = findMultipleLetters("ugknbfddgicrmopn"); 

Answer 8

這是很容易沒有正則表達式：

In [4]: [k for k, v in collections.Counter("abracadabra").items() if v==2] 
Out[4]: ['b', 'r']