带字符串的正则表达式：出现两次的字母对[关闭]

Posted 2023-02-23

【中文标题】带字符串的正则表达式：出现两次的字母对[关闭]

【英文标题】：Regex with strings: pairs of letters that occur twice [closed]

【发布时间】：2016-03-27 02:49:21

【问题描述】：

如何在 Python 中使用正则表达式找到在字符串中出现两次的字母对？

我想遍历一个字符串列表，找到具有重复字母对的字符串，并将它们放入一个列表中。字母不必相同，只需重复，尽管字母可以相同。

例如： xxhgfhdeifhjfrikfoixx - 这个有两次xx 所以我想保留这个字符串 kwofhdbugktrkdidhdnbk - 这个也可以保留，因为 hd 重复了

我得到的最好的结果是找到这些对：([a-z][a-z])\1|([a-z])\2

我需要找出哪些字符串有重复的对。

【问题讨论】：

使标题更能描述您的问题。并且正则表达式总是适用于字符串。

也许，(\w2).*?\1

这很接近，据我所知。但我的意思是任何至少出现两次的对。所以 hb 或 aa，任何东西，只要这对重复。我应该更清楚这一点。

好的，更新问题以添加更多详细信息、输入字符串、预期输出和您的尝试

什么口味的正则表达式？什么语言？你试过什么？

【参考方案1】：

正则表达式

(\w2).*?(\1)

https://regex101.com/r/yB3nX6/1

可视化

代码

遍历所有匹配项

for match in re.finditer(r"(\w2).*?(\1)", subject, re.IGNORECASE):
    # match start: match.start()
    # match end (exclusive): match.end()
    # matched text: match.group()

获取字符串中所有正则表达式匹配的数组

result = re.findall(r"(\w2).*?(\1)", subject, re.IGNORECASE)

人类可读

# (\w2).*?(\1)
# 
# Options: Case insensitive; Exact spacing; Dot doesn’t match line breaks; ^$ don’t match at line breaks; Regex syntax only
# 
# Match the regex below and capture its match into backreference number 1 «(\w2)»
#    Match a single character that is a “word character” (Unicode; any letter or ideograph, any number, underscore) «\w2»
#       Exactly 2 times «2»
# Match any single character that is NOT a line break character (line feed) «.*?»
#    Between zero and unlimited times, as few times as possible, expanding as needed (lazy) «*?»
# Match the regex below and capture its match into backreference number 2 «(\1)»
#    Match the same text that was most recently matched by capturing group number 1 (case insensitive; fail if the group did not participate in the match so far) «\1»

注意事项

如果您想明确只接受a-z 字符，可以将\w 切换为[a-z]。