查找字符串之间的重复模式

Question

我有以下列表：someList = ['blablahihix', 'somethinghihi']，我想返回一个列表，其中包含列表的两个元素之间的重复模式（在本例中为“hihi”）。

这就是我正在做的事情：

p, r = re.compile(r'(.+?)\1+'), []
for i in strList:
    r.extend(p.findall(i) or [i])

当我print r 时，它给了我['bla', 'hi', 'hi']。我想要的只是['hihi']。我不希望返回“blabla”，因为列表的第二个元素中没有“blabla”。

我错过了什么？

Answer 1

使用set操作得到匹配组的交集：

>>> strList = ['blablahihix', 'somethinghihi']
>>> p = re.compile(r'(.+?)\1+')

>>> [set(p.findall(i)) for i in strList]
[{'bla', 'hi'}, {'hi'}]

>>> # from functools import reduce  # In Python 3.x
>>> reduce(lambda a, b: a & b, (set(p.findall(i)) for i in strList))
{'hi'}

使用set & set or set.intersection 获取两个匹配项中都出现的共同部分。

---

您需要修改模式或使用re.finditer，因为re.findall根据是否使用捕获组返回的方式；如果模式中存在一个或多个组，则返回组列表而不是整个匹配字符串的列表。

>>> import re
>>>
>>> strList = ['blablahihix', 'somethinghihi']
>>> p = re.compile(r'(.+?)\1+')
>>> reduce(lambda a, b: a & b,
           (set(m.group() for m in p.finditer(i)) for i in strList))
{'hihi'}

更新

按照 georg 的建议，您可以使用set.intersection(*...)；不需要使用reduce。

>>> set.intersection(*(set(m.group() for m in p.finditer(i)) for i in strList))
{'hihi'}