Python re.sub() 不会替换所有匹配项

Question

我正在使用 Python 3，我有两个字符串：abbcabb 和 abca。我想删除每个重复出现的 单个字符 。例如：

abbcabb 应该给出 c 而 abca 应该给出 bc.

我试过以下正则表达式 (here):

(.)(.*?)

但是，它给出了第一个字符串的错误输出。另外，当我尝试另一个 (here) 时：

(.)(.*?)*?

但是，这个又给出了错误的输出。这里出了什么问题？

python代码是打印语句：

print(re.sub(r'(.)(.*?)', '\g<2>', s)) # s is the string

Answer 1

网站解释得很好，悬停并使用解释部分。

(.)(.*?) 不删除或匹配每一次重复出现。它匹配 1 个字符，然后是夹在中间的任何字符，直到再次遇到相同的字符。

所以，对于 abbcabb，"sandwiched" 部分应该是 bbc 在两个 a

之间

编辑：您可以在没有正则表达式的情况下尝试这样的事情：

string = "abbcabb"
result = []
for i in string:
    if i not in result:
        result.append(i)
    else:
        result.remove(i)
print(''.join(result))

请注意，这会产生 "last" 个字符串的奇数出现，而不是第一个。

对于 "first" 已知事件，您应该使用此中建议的计数器。只需更改条件以检查奇数。 pseudo code(count[letter] %2 == 1)

Answer 2

re.sub() 不执行重叠替换。在替换第一场比赛后，它会在比赛结束后开始寻找。因此，当您在

上执行替换时

abbcabb

首先将abbca替换为bbc。然后它将 bb 替换为空字符串。它不会返回并在 bbc.

中寻找另一场比赛

如果需要，您需要编写自己的循环。

while True:
    newS = re.sub(r'(.)(.*?)', r'\g<2>', s)
    if newS == s:
        break
    s = newS
print(newS)

DEMO

Answer 3

编辑：基于评论交换 - 如果您只关心字母计数的奇偶校验，那么您 不需要正则表达式 而是想要像这样的方法@jon 的推荐。（如果您不关心顺序，那么使用非常长的字符串的更高效的方法可能会使用类似 collections.Counter 的方法。）

我对您要匹配的内容的最佳猜测是："one or more characters - call this subpattern A - followed by a different set of one or more characters - call this subpattern B - followed by subpattern A again"。

您可以使用 + 作为 "one or more" 的快捷方式（而不是指定一次然后使用 * 进行其余匹配），但无论哪种方式，您都需要获得正确的子模式。让我们试试：

>>> import re
>>> pattern = re.compile(r'(.+?)(.+?)')
>>> pattern.sub('\g<2>', 'abbcabbabca')
'bbcbaca'

嗯。那没有用。为什么？因为第一个模式不是贪婪的，我们的 "subpattern A" 只能匹配字符串中的第一个 a - 毕竟它确实出现得更晚。因此，如果我们使用贪婪匹配，Python 将回溯，直到它找到与子模式 A 一样长的模式，该模式仍然允许 A-B-A 模式出现：

>>> pattern = re.compile(r'(.+)(.+?)')
>>> pattern.sub('\g<2>', 'abbcabbabca')
'cbc'

我觉得不错。

Answer 4

不用正则表达式也能解决，如下

>>>''.join([i for i in s1 if s1.count(i) == 1])
'bc'
>>>''.join([i for i in s if s.count(i) == 1])
'c'

Answer 5

正则表达式似乎不是理想的解决方案

它们不处理重叠，所以它需要一个循环（就像在中一样）并且它一遍又一遍地创建字符串（性能受到影响）
他们这里有点过分了，我们只需要数一下字数就可以了

我喜欢，但是在列表理解中重复使用 count 每次都会遍历所有元素。

不用正则表达式也可以解决，没有O(n**2)的复杂性，只有O(n)用collections.Counter

首先非常简单快速地计算字符串的字符
然后使用我们刚刚创建的计数器过滤字符串测试是否计数匹配。

像这样：

import collections

s = "abbcabb"

cnt = collections.Counter(s)

s = "".join([c for c in s if cnt[c]==1])

（作为奖励，您可以更改计数以保留出现 2、3 次的字符）

Python re.sub() 不会替换所有匹配项

Python re.sub() is not replacing every match

python

regex

string

replace

capturing-group