Python的正則表達式問題

Question

我想知道什麼是這個問題的pythonic解決方案。

In "aa67bc54c9", is there any way to print "aa" 67 times, "bc" 54 times and so on, using regular expressions?

Answer 1

這將是一個簡潔的方式：

import re 

s = "aa67bc54c9" 
print ''.join(t * int(n) for t, n in re.findall(r"([a-z]+)([0-9]+)", s)) 

該解決方案使用正則表達式匹配「一個或多個字母后跟一個或多個數字」，尋找在所有這些輸入字符串。然後它使用列表理解遍歷每個找到的組，並依次將字母分配給t和n。該列表使用字符串*運算符生成字符串，該運算符將字符串重複給定次數（使用int()將數字字符串轉換爲整數）。最後，使用''.join()將所有內容粘貼在一起。

對於正則表達式，[a-z]是由任何單個（小寫）字母組成的字符類。 [a-z]+表示一個或多個小寫字母。同樣，[0-9]+表示一個或多個數字。每個組件周圍的分組括號會「捕捉」其中的字符，並使其可用作爲findall()函數的結果。有兩組圓括號，所以有兩個輸出值，它們在列表理解中被分配到t和n。

Answer 2

這是我的Python解決方案。

import re 
pat = re.compile("^(\D+)(\d+)(.*)$") 

def rle_expand(s): 
    lst = [] 
    while True: 
     m = pat.match(s) 
     if m: 
      n = int(m.group(2)) 
      lst.append(m.group(1) * n) 
     else: 
      lst.append(s) 
      break 
     s = m.group(3) 
    return "".join(lst) 

s = "aa03bc05d9whew" 

print rle_expand(s) 
# prints aaaaaabcbcbcbcbcdddddddddwhew 

s = 「aa67bc54c9」 
print rle_expand(s) 
# prints: aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaabcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcccccccccc 

問題基本上是擴展一個遊程編碼。首先你有某種模式，然後是一些數字，指定重複模式的次數。

首先我們導入re模塊，以訪問Python的正則表達式。

接下來我們編譯一次模式，以便稍後使用它。這種模式會做什麼？

該模式使用圓括號標記匹配字符串中的字母組。有三對parens，所以這將匹配三組。在第一組是一個'^'字符之前，它錨定到字符串的開頭，並且在最後一組之後是一個'$'字符，它錨定在字符串的末尾;在這種情況下，這些並不是絕對必要的。第一組匹配使用特殊序列而不是的任何數字\D; +擴展它以匹配一個或多個非數字實例的運行。第二組類似，使用\d+來匹配一個或多個數字的運行。第三組使用.來匹配任何字符，然後用*擴展它以匹配任意字符的0或更多的運行。 （注意：*和+非常相似，它只是*匹配0個或更多的東西，+匹配一個或多個）。

使用標準的Python的成語，我們建立使用列表的字符串。我們從一個空的列表開始（稱爲lst）。只要模式保持匹配的東西，我們將東西附加到這個列表中。當我們完成後，我們使用"".join()將列表一起加入到一個字符串中。

pat.match()返回一個名爲「匹配對象」的對象，或者如果匹配失敗，返回None。如果匹配成功，我們將匹配組2轉換爲整數，並在匹配組1上使用Python字符串重複運算符（「multiply」）進行運行長度擴展。在此之後，我們用匹配組3的結果重新命名s的名稱，從而截斷剛剛處理的字符串部分，並循環。如果匹配失敗，我們只需將所有s附加到列表中並跳出循環。

建立一個列表，然後在列表上使用"".join()是一個標準的Python成語。它可以在任何版本的Python下都有良好的性能。因爲Python字符串是不可變的，所以如果通過重複附加到字符串來建立長動態字符串，性能可能會非常慢;在創建最終字符串時，您會多次複製字符串的早期部分。 Python列表可以簡單地附加到，然後最後的連接操作非常快。 （Python的最新版本已經優化了你反覆附加到一個字符串的情況，並且不再遭受這種情況下的重複複製。）

Greg Hewgill的解決方案只識別從'a'到'z的小寫字母'爲擴展文本;你可以通過把\D而不是[a-z]來解決這個問題。他的解決方案使用明確的範圍，如[0-9]，其中我的解決方案使用Python簡寫縮寫（如\d）。他的解決方案只擴展了遊程編碼序列;如果有一個尾部序列沒有整數，那麼我的這個序列不變，而他默默地忽略它。但是，必須說他的解決方案非常優雅，我希望我能想到它。 :-)