Python正则表达式，用于重复标点和符号

Question

我需要一个正则表达式来匹配重复（多个）标点和符号。 基本上所有重复的非字母数字和非空格字符，例如...，???，!!!，###，@@@，+++等。它必须是重复的同一字符，因此不能像“！？@”这样的序列。

我尝试过[^ \\ s \\ w] +，虽然涵盖了所有!!!，???，$$的情况，但由于它也可以匹配“！？@”，因此它比我想要的更多。 。

有人可以启发我吗？ 谢谢。

Answer 1

我认为您正在寻找这样的东西：

[run for run, leadchar in re.findall(r'(([^\\w\\s])\\2+)', yourstring)]

例：

In : teststr = "4spaces    then(*(@^#$&&&&(2((((99999****"

In : [run for run, leadchar in re.findall(r'(([^\w\s])\2+)',teststr)]
Out: ['&&&&', '((((', '****']

这为您提供了运行列表，不包括该字符串中的4个空格以及诸如'*（@ ^'

如果这不是您想要的，您可以使用示例字符串以及您想查看的输出内容来编辑问题。

Answer 2

试试这个模式：

([.\?#@+,<>%~`!$^&\(\):;])\1+

\\1指的是第一个匹配组，即括号的内容。

您需要根据需要扩展标点符号列表。

Answer 3

编辑：@Firoze Lafeer发布了一个答案，该答案使用单个正则表达式即可完成所有操作。 万一有兴趣将正则表达式与过滤功能结合使用的情况，我将不再赘述，但是对于此问题，使用Firoze Lafeer的答案将更加简单快捷。

在我看到Firoze Lafeer的答案之前写的答案没有变化。

一个简单的正则表达式不能做到这一点。 经典的精妙总结是“正则表达式无法计数”。 这里的讨论：

如何使用正则表达式检查字符串是回文？

对于Python解决方案，我建议将正则表达式与少量Python代码结合使用。 正则表达式会抛出所有不包含某种标点符号的内容，然后Python代码进行检查以抛出错误的匹配项（包含标点符号但并非所有相同字符的匹配项）。

import re
import string

# Character class to match punctuation.  The dash ('-') is special
# in character classes, so put a backslash in front of it to make
# it just a literal dash.
_char_class_punct = "[" + re.escape(string.punctuation) + "]"

# Pattern: a punctuation character followed by one or more punctuation characters.
# Thus, a run of two or more punctuation characters.
_pat_punct_run = re.compile(_char_class_punct + _char_class_punct + '+')

def all_same(seq, basis_case=True):
    itr = iter(seq)
    try:
        first = next(itr)
    except StopIteration:
        return basis_case
    return all(x == first for x in itr)

def find_all_punct_runs(text):
    return [s for s in _pat_punct_run.findall(text) if all_same(s, False)]


# alternate version of find_all_punct_runs() using re.finditer()
def find_all_punct_runs(text):
    return (s for s in (m.group(0) for m in _pat_punct_run.finditer(text)) if all_same(s, False))

我以这种方式编写了all_same() ，以便它在迭代器上和在字符串上一样好用。 Python内置的all()对于空序列返回True ，这对于all_same()特殊使用不是我们想要的，因此我为所需的基本情况设置了一个参数，并将其默认设置为True以匹配行为在all() 。

这使用Python的内部组件（正则表达式引擎或all() ）完成了尽可能多的工作，因此它应该非常快。 对于大型输入文本，您可能需要重写find_all_punct_runs()以使用re.finditer()而不是re.findall() 。 我举了一个例子。 该示例还返回生成器表达式而不是列表。 您可以随时强制其列出：

lst = list(find_all_punct_runs(text))

Answer 4

这就是我要做的：

>>> st='non-whitespace characters such as ..., ???, !!!, ###, @@@, +++ and' 
>>> reg=r'(([.?#@+])\2{2,})'
>>> print [m.group(0) for m in re.finditer(reg,st)]

要么

>>> print [g for g,l in re.findall(reg, st)]

任一打印：

['...', '???', '###', '@@@', '+++']