我该如何使用Perl正则表达式来查找重复字母？

Question

我正在寻找一个正则表达式，可以找到重复出现的字母。例如，任何出现两次或更多的字母：

booooooot or abbott

我不会提前知道我要查找的信件。

这是我在面试中被问到的问题，也是我问其他人的问题。很少有人能回答正确。

- Brian G

Answer 1

你可以找到任何一个字母，然后使用\1来再次查找该字母（或更多）。如果你只需要知道这个字母，那么$1将包含它。否则，你可以将第二次匹配的内容连接到第一次上。

my $str = "Foooooobar";

$str =~ /(\w)(\1+)/;

print $1;
# prints 'o'
print $1 . $2;
# prints 'oooooo'

- Adam Bellaire

---

只需将\w替换为[a-zA-Z]即可进行字母交换。 - TomC

现在我可以仅替换重复的字母：Regex.Replace(str, @"(\w)\1+", "$1"); 谢谢Adam。 - Junior Mayhé

Answer 2

我认为你实际上想要这个而不是"\w"，因为它包括数字和下划线。

([a-zA-Z])\1+

好的，好的，我明白了Leon的意思。将其用于Unicode世界或POSIX相关内容。

([[:alpha:]])\1+

- Keng

---

我们生活在一个Unicode的世界中。[a-zA-Z]无法涵盖大多数语言。[[:alpha:]]会更加准确。 - Leon Timmermans

哦，你们这些疯狂的外国人！；o）是的，Unicode会是非美式英语字符的更好语法。 - Keng

Answer 3

我认为使用反向引用会起作用：

(\w)\1+

\w基本上等同于[a-zA-Z_0-9]，所以如果你只想匹配A到Z之间的字母（不区分大小写），请使用[a-zA-Z]。

（编辑：或者，就像Tanktalus在他的评论中提到的那样（以及其他人已经回答的那样），[[:alpha:]]，这是与语言环境有关的）

- hasseg

---

使用 [[:alpha:]] 而不是 [a-zA-Z]，因为它是与语言环境相关的;-) - Tanktalus

Answer 4

使用\N来引用之前的组：

/(\w)\1+/g

- Jonathan Lonowski

Answer 5

你需要注意什么被认为是字母，这取决于你的语言环境。使用ISO Latin-1将允许匹配带重音的西方语言字符作为字母。在以下程序中，默认语言环境不识别é，因此créé无法匹配。取消注释语言环境设置代码，然后它开始匹配。

还要注意，\w包括数字和下划线字符以及所有字母。要仅获取字母，您需要取非字母数字和下划线字符的补集。这只留下字母。

将其构建为问题可能更容易理解：

“哪个正则表达式与除3之外的任何数字匹配？” 答案是： /[^\D3]/

#! /usr/local/bin/perl

use strict;
use warnings;

# uncomment the following three lines:
# use locale;
# use POSIX;
# setlocale(LC_CTYPE, 'fr_FR.ISO8859-1');

while (<DATA>) {
    chomp;
    if (/([^\W_0-9])\1+/) {
        print "$_: dup [$1]\n";
    }
    else {
        print "$_: nope\n";
    }
}

__DATA__
100
food
créé
a::b

- dland

Answer 6

以下代码将返回所有重复两次或更多次的字符：

my $str = "SSSannnkaaarsss";

print $str =~ /(\w)\1+/g;

- Sankar

Answer 7

只是为了好玩，完全不同的方法：

if ( ($str ^ substr($str,1) ) =~ /\0+/ ) {
    print "found ", substr($str, $-[0], $+[0]-$-[0]+1), " at offset ", $-[0];
}

- ysth

---

是的，它也会找到非字母字符。但你能找到那个微妙的错误吗？ - ysth

Answer 8

顺便说一下，除了 RegExBuddy 之外，另一个非常方便的免费正则表达式测试网站是 gskinner.com 上的 RegExr。 它可以很好地处理 ([[:alpha:]])(\1+)。

- bill weaver

Answer 9

这样怎么样：

(\w)\1+

第一部分围绕一个字符创建了一个未命名的组，然后反向引用查找相同的字符。

- Joseph Pecoraro

---

这只匹配前两个重复的字符，而不是整个重复子串。 - Michael Carman

Answer 10

我认为这个也可以工作：

((\w)(?=\2))+\2

- karakays