如何找到字符串中某個重復單詞的最長連續重復的長度？

Question

我正在嘗試編寫一個 function 來標識某個單詞在其最長的連續重復中重復了多少次。

我希望下面的 function 打印“5”，因為“hi”這個詞在字符串內部最重復的序列中重復了 5 次。 我怎樣才能做到這一點？

    import re
    string = 'hihihihihibyebyebyehihihihibyebyebyehihi'
    print(len(max(re.compile("(hi+hi)*").findall(string))))

Output：4

Answer 1

IIUC，您可以使用：

max(map(len, re.findall('(?:hi)+', string)))//len('hi')

Output： 5

或者，如果您的匹配長度可能可變。 捕獲但單元塊和與重復的總匹配：

string = 'hxihxihxihxihxibyebyebyehihihihibyebyebyehihi'

max(len(a)//len(b) for a,b in re.findall('((hx?i)+)', string))
# 5

Answer 2

我建議從正則表達式部分開始。 它可能沒有做你認為它正在做的事情。

出於好奇，我只跑了最后一行的一部分：

re.compile("(hi+hi)*").findall(string)

結果是：

['hihi', '', '', '', '', '', '', '', '', '', '', '', 'hihi', '', '', '', '', '', '', '', '', '', 'hihi', '']

我現在可以看到為什么 output 是 4：這個列表中最長的字符串是 4 個字符長。

這個意想不到的結果提出了幾個問題：

1. 正則表達式"(hi+hi)*"實際匹配的模式是什么，為什么？
2. 所有這些空字符串是什么意思？
3. 最長的匹配是"hihi" ，只有 2 個hi ，但 output 是 4 個。為什么？

嘗試仔細查看正則表達式的文檔，我想您會發現您正在尋找的表達式是"(?:hi)+" ，這大致意味着〜至少重復一次“hi”〜