Python re.sub() 不会替换每个匹配项

Question

我使用的是 Python 3，我有两个字符串：abbcabb 和 abca。我想删除单个字符的每一次出现。例如：

abbcabb 应该给c，abca 应该给bc。

我尝试了以下正则表达式 (here)：

(.)(.*?)\1

但是，它为第一个字符串提供了错误的输出。另外，当我尝试另一个时（here）：

(.)(.*?)*?\1

但是，这个又给出了错误的输出。这里出了什么问题？

---

python代码是打印语句：

print(re.sub(r'(.)(.*?)\1', '\g<2>', s)) # s is the string

Answer 1

网站解释得很好，悬停并使用解释部分。

(.)(.*?)\1 不会删除或匹配每个重复出现的情况。它匹配 1 个字符，然后是中间的任何内容，直到再次遇到相同的字符。

因此，对于abbcabb，“夹层”部分应位于两个a 之间的bbc

编辑： 您可以尝试这样的事情，而不使用正则表达式：

string = "abbcabb"
result = []
for i in string:
    if i not in result:
        result.append(i)
    else:
        result.remove(i)
print(''.join(result))

请注意，这会产生字符串的“最后一次”奇数出现，而不是第一次出现。

对于“第一次”已知事件，您应该使用answer 中建议的计数器。只需更改条件以检查奇数。 pseudo code(count[letter] %2 == 1)

Answer 2

re.sub() 不执行重叠替换。在它替换了第一场比赛之后，它开始关注比赛的结束。因此，当您在

上执行替换时

abbcabb

它首先将abbca 替换为bbc。然后它将bb 替换为一个空字符串。它不会返回并在bbc 中寻找另一个匹配项。

如果需要，您需要编写自己的循环。

while True:
    newS = re.sub(r'(.)(.*?)\1', r'\g<2>', s)
    if newS == s:
        break
    s = newS
print(newS)

DEMO

Answer 3

编辑：基于评论交流 - 如果您只关心字母计数的奇偶性，那么您不想要正则表达式，而是想要像@jon 推荐的方法。 （如果您不关心顺序，那么对于非常长的字符串来说，性能更高的方法可能会使用 collections.Counter 之类的东西。）

---

对于您要匹配的内容，我的最佳猜测是：“一个或多个字符 - 称此子模式 A - 后跟一组不同的一个或多个字符 - 称此子模式 B - 后跟子模式 A” .

您可以使用+ 作为“一个或多个”的快捷方式（而不是指定一次，然后在其余匹配中使用*），但无论哪种方式，您都需要正确设置子模式。让我们试试吧：

>>> import re
>>> pattern = re.compile(r'(.+?)(.+?)\1')
>>> pattern.sub('\g<2>', 'abbcabbabca')
'bbcbaca'

嗯。那没有用。为什么？因为第一个模式不是贪婪的，我们的“子模式 A”可以匹配字符串中的第一个 a - 毕竟它确实出现在后面。因此，如果我们使用贪婪匹配，Python 将回溯，直到找到与子模式 A 一样长的模式仍然允许 A-B-A 模式出现：

>>> pattern = re.compile(r'(.+)(.+?)\1')
>>> pattern.sub('\g<2>', 'abbcabbabca')
'cbc'

我觉得不错。

Answer 4

不用正则表达式也可以解决，如下所示

>>>''.join([i for i in s1 if s1.count(i) == 1])
'bc'
>>>''.join([i for i in s if s.count(i) == 1])
'c'

Answer 5

正则表达式似乎不是理想的解决方案

• 它们不处理重叠，因此它需要一个循环（如在 this answer 中）并且它会一遍又一遍地创建字符串（性能会受到影响）
• 他们在这里太过分了，我们只需要计算字符数

我喜欢this answer，但在列表理解中重复使用count 每次都会遍历所有元素。

不用正则表达式也可以解决，不用O(n**2)复杂度，只有O(n)使用collections.Counter

• 首先轻松快速地计算字符串的字符数
• 然后过滤字符串测试，如果计数匹配使用我们刚刚创建的计数器。

像这样：

import collections

s = "abbcabb"

cnt = collections.Counter(s)

s = "".join([c for c in s if cnt[c]==1])

（作为奖励，您可以更改计数以保留有 2、3 次出现的字符）