字符串包含拉长的单词

Posted 2023-02-25

【中文标题】字符串包含拉长的单词

【英文标题】：string contains elongated words

【发布时间】：2013-12-11 12:56:33

【问题描述】：

我的字符串是：“sooo Dear how areeeee youuuuuu”

我想检查字符串中的单词是否被拉长。

拉长的意思是：如果单词中的字符数重复超过两次so，例如too没有拉长，但tooo被拉长了。

>>> import itertools
>>> my_str = 'soooo hiiiii whyyyy done'
>>> print [[g[0], sum(1 for _ in g[1])] for g in itertools.groupby(my_str)]
[['s', 1], ['o', 4], [' ', 1], ['h', 1], ['i', 5], [' ', 1], ['w', 1], ['h', 1], 
['y', 4], [' ', 1], ['d', 1], ['o', 1], ['n', 1], ['e', 1]]

我想显示 sooo，areeeee 和 youuuuuu 被拉长了。我计算了单个字符，但我想检查每个单词是否被拉长。

【问题讨论】：

你能给我们一个你想要的输出的例子吗？

你怎么知道一个词被拉长了？ too 应该算数吗？这可能不是一项简单的任务。

检查 3 个连续相等的字符应该可以吗？如果不查字典，连续 2 个字符会很困难。

@user2357112 请检查我的编辑

banana 怎么样？其中有 3 个as。

【参考方案1】：

想到一个正则表达式：

>>> my_str = 'soooo hiiiii whyyyy done'
>>> import re
>>> regex = re.compile(r"(.)\12")
>>> [word for word in my_str.split() if regex.search(word)]
['soooo', 'hiiiii', 'whyyyy']

解释：

(.)    # Match any character, capture it in group number 1
\12  # Try to match group number 1 here, twice.

请注意，此算法还会发现一些未加长的词，例如 countessship 或 laparohysterosalpingooophorectomy，但我猜这些误报很少见 :)

【讨论】：

m 一个接一个地传递单词，所以首先只有 'soooo' 然后 hiiiii 所以当我通过 soooo 时它应该给出 true .. 上面的代码将如何变化

不，拉长条件仍然适用，但就像您通过了列表一样。我从循环中提供列表中的单词

嗯，是的，这就是您应该检查的条件。 for word in my_list: if regex.search(word): print("Booo!").

你也可以不用循环，用 findall。

也许您想使用\w 而不是.。否则，===== 之类的东西也看起来像拉长的单词。

【参考方案2】：

你可以使用：

def get_groups(word):
    return [list(g) for k, g in itertools.groupby(word)]

print [word for word in my_str.split(' ') if any(len(x) > 2 for x in get_groups(word))]

它是这样工作的：get_groups 将一个词变成组。所以'sooo' 变成了[['s'], ['o', 'o', 'o']]。

如果任何组的长度超过两个，我们就会过滤给定字符串中的所有单词。这意味着您最终会得到所有包含三个或更多连续字符的单词。

【讨论】：

这会考虑像“ABABA”这样的字符串被拉长吗？ OP没有具体说明，但他可能只关心连续重复。

OP 现在已经指定重复必须是连续的。

谢谢，我现在更新了答案以反映这一点。

【参考方案3】：

您必须按顺序检查并比较长度，无需导入任何内容：

>>> filter(lambda word: len([letter for index,letter in enumerate(word) if index ==0 or word[index-1] != letter ]) == len( word), my_str.split(" "))
['done']

>>> filter(lambda word: len([letter for index,letter in enumerate(word) if index ==0 or word[index-1] != letter ]) != len( word), my_str.split(" "))
['soooo', 'hiiiii', 'whyyyy']

或 import itertools 并使用 groupby 进行操作：

>>> filter(lambda word: len([letter for letter,gp in itertools.groupby(word) ]) == len( word), my_str.split(" "))
['done']

>>> filter(lambda word: len([letter for letter,gp in itertools.groupby(word) ]) != len( word), my_str.split(" "))
['soooo', 'hiiiii', 'whyyyy']

这最后一个解决方案允许您在每个好词或坏词上也使用 ifilter 而不是 filter 和 iter。对流或非常大的字符串很有用