我如何使用正则表达式从字符串中删除重复的字符

Question

我有一个字符串，如下所示，我试图删除类似的连续字符。

import re
input = "abccbcbbb";
for i in input :
    input = re.sub("(.)\\1+", "",input);
print(input)

现在我需要让用户指定 k 的值。 我正在使用以下 python 代码来执行此操作，但我收到错误消息TypeError: can only concatenate str (not "int") to str

import re
input = "abccbcbbb";
k=3
for i in input :
   input= re.sub("(.)\\1+{"+(k-1)+"}", "",input)
print(input)

Answer 1

for i in input:不满足您的需要。 i是输入字符串中的每个字符，你的re.sub应该将整个输入作为一个字符序列。

如果你打算匹配特定数量的字符，你应该去掉\1之后的+量词。 限制{min,} / {min,max}量词应该放在它修改的模式之后。

此外，在定义正则表达式时使用原始字符串文字更方便。

您可以使用

import re
input_text = "abccbcbbb";
k=3
input_text = re.sub(fr"(.)\1{{{k-1}}}", "", input_text)
print(input_text)
# => abccbc

请参阅此 Python 演示。

fr"(.)\1{{{k-1}}}"原始 f 字符串文字将转换为(.)\1{2}模式。 在 f 字符串中，您需要双花括号来表示文字花括号，并且您不需要再次转义\1 ，因为它是r aw 字符串文字。

Answer 2

如果我是你，我宁愿按照之前的建议去做。 但由于我已经花时间回答了这个问题，所以这里是我手工制作的解决方案。

下面描述的模式创建了一个名为“letter”的命名组。 这个组更新迭代，所以首先它是 a，然后是 b，等等。然后它向前看组“字母”的所有重复（为每个字母更新）。

所以它找到所有重复字母组并用空字符串替换它们。

import re

input = 'abccbcbbb'
result = 'abcbcb'
pattern = r'(?P<letter>[a-z])(?=(?P=letter)+)'
substituted = re.sub(pattern, '', input)
assert substituted == result

Answer 3

只是为了确保我的问题是正确的，你的意思是将“abccbcbbb”变成“abcbcb”，只删除连续的重复字符。 您是否需要使用正则表达式？ 您可能会做一个简单的列表理解。 我的意思是这是一种非常简单和肮脏的方法，但你可以把

input = "abccbcbbb"
input = list(input)
previous = input.pop(0)
result = [previous]
for letter in input:
    if letter != previous : result += letter
    previous = letter
result = "".join(result)

并且使用这样的方法，您可以通过一些修改 id assume 使其更易于阅读和更快。