Python：重新查找最长序列

Question

我有一个随机生成的字符串：

polymer_str = "diol diNCO diamine diNCO diamine diNCO diamine diNCO diol diNCO diamine"

我想找到最长的“diNCO diol”序列和最长的“diNCO diamine”序列。 所以在上面的例子中，最长的“diNCO diol”序列是1，最长的“diNCO diamine”是3。

我将如何使用 python 的 re 模块执行此操作？

提前致谢。

编辑：
我的意思是给定字符串的最长重复次数。 所以带有“diNCO diamine”的最长字符串是 3：
二醇二NCO二胺二NCO二胺二NCO二胺二NCO二醇二NCO二胺

Answer 1

扩展Ealdwulf的回答：

可以在此处找到有关re.findall文档。

def getLongestSequenceSize(search_str, polymer_str):
    matches = re.findall(r'(?:\b%s\b\s?)+' % search_str, polymer_str)
    longest_match = max(matches)
    return longest_match.count(search_str)

这可以写成一行，但以这种形式可读性会降低。

选择：

如果polymer_str很大，那么使用re.finditer内存效率会re.finditer 。 你可以这样做：

def getLongestSequenceSize(search_str, polymer_str):
    longest_match = ''
    for match in re.finditer(r'(?:\b%s\b\s?)+' % search_str, polymer_str):
        if len(match.group(0)) > len(longest_match):
            longest_match = match.group(0)
    return longest_match.count(search_str)

findall和finditer之间最大的区别在于，第一个返回一个列表对象，而第二个则遍历 Match 对象。 此外， finditer方法会稍微慢一些。

Answer 2

我认为操作需要最长的连续序列。 您可以获得所有连续序列，例如：seqs = re.findall("(?:diNCO diamine)+",polymer_str)

然后找到最长的。

Answer 3

import re
pat = re.compile("[^|]+")
p = "diol diNCO diamine diNCO diamine diNCO diamine diNCO diol diNCO diamine".replace("diNCO diamine","|").replace(" ","")
print max(map(len,pat.split(p)))

Answer 4

一种是使用findall ：

polymer_str = "diol diNCO diamine diNCO diamine diNCO diamine diNCO diol diNCO diamine"
len(re.findall("diNCO diamine", polymer_str)) # returns 4.

Answer 5

使用重新：

 m = re.search(r"(\bdiNCO diamine\b\s?)+", polymer_str)
 len(m.group(0)) / len("bdiNCO diamine")