Python 查找连续重复单词时"fixed-width pattern"正则表达式错误

Question

我有一个文本，其中的单词由.分隔，带有 2 个和 3 个连续重复单词的实例：

我。name.name是。Inigo.Montoya.You.killed.my。父亲.父亲.父亲。Prepare.to.die-

我需要将它们与正则表达式独立匹配，从一式三份中排除重复项。

由于最多有 3 个连续重复的单词，因此这

r'b(w+).+1.+1b'

成功抓住

父亲.父亲.父亲

但是，为了捕捉 2 个连续重复的单词，我需要确保下一个和上一个单词不同。我可以做一个消极的展望

r'b(w+).+1(?!.+1)b'

但我对负面回头的尝试

r'(?<!(w).)b1.+1b(?!.1)'

要么返回固定宽度的问题(当我保留+时(或其他一些问题。

我应该如何纠正负面的滞后？

Answer 1

我认为可能有一种更简单的方法可以捕获您想要的内容，而无需负面的回溯：

r = re.compile(r'b((w+).+2.+2?)b')
r.findall(t)
> [('name.name.', 'name'), ('father.father.father', 'father')]

只是使第三次重复可选。

---

捕获同一单词的任意重复次数的版本可能如下所示：

r = re.compile(r'b((w+)(.+2)3*)b')
r.findall(t)
> [('name.name', 'name', '.name'), ('father.father.father', 'father', '.father')]

Answer 2

也许根本不需要正则表达式。

使用itertools.groupby可以完成这项工作。它旨在对连续项的相等匹配项进行分组。

• 按单词分组(根据点拆分后(
• 转换为列表并发出tuple值，仅当长度> 1 时才计数

喜欢这个：

import itertools
s = "My.name.name.is.Inigo.Montoya.You.killed.my.father.father.father.Prepare.to.die"
matches = [(l[0],len(l)) for l in (list(v) for k,v in itertools.groupby(s.split("."))) if len(l)>1]

结果：

[('name', 2), ('father', 3)]

所以基本上我们可以对这个元组列表做任何我们想做的事情(例如，根据出现次数过滤它(

奖金(因为我一开始误读了这个问题，所以我把它留在了里面(：从句子中删除重复项 - 按单词分组(根据点拆分后(，如上 - 只取列表 comp 中返回的值的键(值((我们不需要这些值，因为我们不计数( - 用点连接回来

在一行中(仍在使用itertools(：

new_s = ".".join([k for k,_ in itertools.groupby(s.split("."))])

结果：

My.name.is.Inigo.Montoya.You.killed.my.father.Prepare.to.die