使用带有反向引用的Python正则表达式匹配

Question

我对带有反向引用的正则表达式有疑问。

我需要匹配字符串，我尝试使用这个正则表达式(\w)\1{1,}来捕获我的字符串中重复的值，但是这个正则表达式只能捕获连续重复的字符串；我卡在了如何改进我的正则表达式以捕获所有重复值上，以下是一些示例：

import re

str = 'capitals'

re.search(r'(\w)\1{1,}', str)

输出无

import re

str = 'butterfly'

re.search(r'(\w)\1{1,}', str)

<_sre.SRE_Match对象; span=(2, 4), 匹配='tt'>

- Jess

---

你在第一个例子中尝试匹配什么？ - Barmar

您可以在反向引用前使用 .*，以允许匹配之间出现任何内容。 - Barmar

@Barmar 我正在尝试匹配字母a的重复出现。 - Jess

使用 r'(\w)\w*\1'。 - Wiktor Stribiżew

@user3722709 你还没有说你期望的输出是什么。aa 还是 apita？ - Barmar

Answer 1

我会使用r'(\w).*\1，这样即使在重复字符之间有特殊字符或空格，也可以允许任何重复的字符。

但是这对于包含重叠组内容的重复字符的字符串（如字符串abcdabcd）不起作用，其中它仅识别第一个组，忽略第一个组中封闭的其他重复字符（b，c，d）。

请检查演示：https://regex101.com/r/m5UfAe/1 因此，一种替代方法（根据您的需求）是对分析的字符串进行排序：

import re
str = 'abcdabcde'
re.findall(r'(\w).*\1', ''.join(sorted(str)))

返回包含重复字符的数组 ['a','b','c','d']

- Henry

---

这里可以工作！但是当我删除排序内置函数时，您能解释为什么输出不正确吗？！？使用排序的输出：re.findall(regex_pattern, ''.join(sorted("testing this".lower()))) ['i', 's', 't']不使用排序的输出：re.findall(regex_pattern, ''.join("testing this".lower()))['t'] - Jess

如果你不对它进行排序，那么你只是返回相同的字符串。 - Barmar

Answer 2

希望下面的代码能帮助您理解Python RegEx中的反向引用概念。

在给定的字符串str中有两组信息可用：

1. 员工基本信息： - 以@employeename开始，以employeename结束 - 例如：@daniel dxc chennai 45000 male daniel

2. 员工职称： - 以%employeename开始，然后是职称，以employeename%结束 - 例如：%daniel python developer daniel%

import re

#sample input

str="""
@daniel dxc chennai 45000 male daniel @henry infosys bengaluru 29000 male hobby- 
swimming henry
@raja zoho chennai 37000 male raja @ramu infosys bengaluru 99000 male hobby-badminton 
ramu
%daniel python developer daniel% %henry database admin henry%
%raja Testing lead raja% %ramu Manager ramu%
"""

#backreferencing employee name (\w+)  <----  \1
#----------------------------------------------
basic_info=re.findall(r'@+(\w+)(.*?)\1',str)
print(basic_info)

#(%) <-- \1  and (\w+) <--- \2 
#-------------------------------
designation=re.findall(r'(%)+(\w+)(.*?)\2\1',str)
print(designation)

for i in range(len(designation)):
    designation[i]=(designation[i][1],designation[i][2])
print(designation)

- Daniel Muthupandi