Python正則表達式，用於重復標點和符號

Question

我需要一個正則表達式來匹配重復（多個）標點和符號。 基本上所有重復的非字母數字和非空格字符，例如...，???，!!!，###，@@@，+++等。它必須是重復的同一字符，因此不能像“！？@”這樣的序列。

我嘗試過[^ \\ s \\ w] +，雖然涵蓋了所有!!!，???，$$的情況，但由於它也可以匹配“！？@”，因此它比我想要的更多。 。

有人可以啟發我嗎？ 謝謝。

Answer 1

我認為您正在尋找這樣的東西：

[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: ['&&&&', '((((', '****']

這為您提供了運行列表，不包括該字符串中的4個空格以及諸如'*（@ ^'

如果這不是您想要的，您可以使用示例字符串以及您想查看的輸出內容來編輯問題。

Answer 2

試試這個模式：

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

\\1指的是第一個匹配組，即括號的內容。

您需要根據需要擴展標點符號列表。

Answer 3

編輯：@Firoze Lafeer發布了一個答案，該答案使用單個正則表達式即可完成所有操作。 萬一有興趣將正則表達式與過濾功能結合使用的情況，我將不再贅述，但是對於此問題，使用Firoze Lafeer的答案將更加簡單快捷。

在我看到Firoze Lafeer的答案之前寫的答案沒有變化。

一個簡單的正則表達式不能做到這一點。 經典的精妙總結是“正則表達式無法計數”。 這里的討論：

如何使用正則表達式檢查字符串是回文？

對於Python解決方案，我建議將正則表達式與少量Python代碼結合使用。 正則表達式會拋出所有不包含某種標點符號的內容，然后Python代碼進行檢查以拋出錯誤的匹配項（包含標點符號但並非所有相同字符的匹配項）。

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))

我以這種方式編寫了all_same() ，以便它在迭代器上和在字符串上一樣好用。 Python內置的all()對於空序列返回True ，這對於all_same()特殊使用不是我們想要的，因此我為所需的基本情況設置了一個參數，並將其默認設置為True以匹配行為在all() 。

這使用Python的內部組件（正則表達式引擎或all() ）完成了盡可能多的工作，因此它應該非常快。 對於大型輸入文本，您可能需要重寫find_all_punct_runs()以使用re.finditer()而不是re.findall() 。 我舉了一個例子。 該示例還返回生成器表達式而不是列表。 您可以隨時強制其列出：

lst = list(find_all_punct_runs(text))

Answer 4

這就是我要做的：

>>> 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：

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