在字符串中查找“一个出现两次的字母”

Question

我正在尝试使用 RegEx（或者也许有更好的方法？）来捕捉一个字母是否在字符串中出现两次，例如我的字符串是：

ugknbfddgicrmopn

输出将是：

dd

但是，我尝试过类似的方法：

re.findall('[a-z]{2}', 'ugknbfddgicrmopn')

但在这种情况下，它会返回：

['ug', 'kn', 'bf', 'dd', 'gi', 'cr', 'mo', 'pn']   # the except output is `['dd']`

---

我也有办法得到期望的输出：

>>> l = []
>>> tmp = None
>>> for i in 'ugknbfddgicrmopn':
...     if tmp != i:
...         tmp = i
...         continue
...     l.append(i*2)
...     
... 
>>> l
['dd']
>>> 

但这太复杂了……

---

如果是'abbbcppq'，则只捕获：

abbbcppq
 ^^  ^^

所以输出是：

['bb', 'pp']

---

那么，如果是'abbbbcppq'，抓bb两次：

abbbbcppq
 ^^^^ ^^

所以输出是：

['bb', 'bb', 'pp']

Answer 1

您需要使用基于捕获组的正则表达式并将您的正则表达式定义为原始字符串。

>>> re.search(r'([a-z])\1', 'ugknbfddgicrmopn').group()
'dd'
>>> [i+i for i in re.findall(r'([a-z])\1', 'abbbbcppq')]
['bb', 'bb', 'pp']

或

>>> [i[0] for i in re.findall(r'(([a-z])\2)', 'abbbbcppq')]
['bb', 'bb', 'pp']

注意，re.findall 这里应该返回元组列表，其中第一组匹配的字符作为第一个元素，第二组匹配的字符作为第二个元素。对于我们的案例，第一组中的字符就足够了，所以我提到了i[0]。

Answer 2

作为 Pythonic 方式，您可以在列表理解中使用 zip 函数：

>>> s = 'abbbcppq'
>>>
>>> [i+j for i,j in zip(s,s[1:]) if i==j]
['bb', 'bb', 'pp']

如果您正在处理大字符串，您可以使用iter() 函数将字符串转换为迭代器并使用itertols.tee() 创建两个独立的迭代器，然后在第二个迭代器上调用next 函数消耗第一项并使用此迭代器调用 zip 类（在 Python 2.X 中使用返回迭代器的 itertools.izip()）。

>>> from itertools import tee
>>> first = iter(s)
>>> second, first = tee(first)
>>> next(second)
'a'
>>> [i+j for i,j in zip(first,second) if i==j]
['bb', 'bb', 'pp']

以RegEx 配方为基准：

# ZIP
~ $ python -m timeit --setup "s='abbbcppq'" "[i+j for i,j in zip(s,s[1:]) if i==j]"
1000000 loops, best of 3: 1.56 usec per loop

# REGEX
~ $ python -m timeit --setup "s='abbbcppq';import re" "[i[0] for i in re.findall(r'(([a-z])\2)', 'abbbbcppq')]"
100000 loops, best of 3: 3.21 usec per loop

---

在您最后一次编辑后，如评论中所述，如果您只想匹配"abbbcppq" 等字符串中的一对b，您可以使用finditer()，它返回匹配对象的迭代器，并使用@987654334 提取结果@方法：

>>> import re
>>> 
>>> s = "abbbcppq"
>>> [item.group(0) for item in re.finditer(r'([a-z])\1',s,re.I)]
['bb', 'pp']

请注意，re.I 是 IGNORECASE 标志，它使 RegEx 也匹配大写字母。

Answer 3

使用反向引用，很简单：

import re
p = re.compile(ur'([a-z])\1{1,}')
re.findall(p, u"ugknbfddgicrmopn")
#output: [u'd']
re.findall(p,"abbbcppq")
#output: ['b', 'p']

更多细节可以参考perl中类似的问题：Regular expression to match any character being repeated more than 10 times

Answer 4

没有正则表达式很容易：

In [4]: [k for k, v in collections.Counter("abracadabra").items() if v==2]
Out[4]: ['b', 'r']

Answer 5

也许你可以使用生成器来实现这一点

def adj(s):
    last_c = None
    for c in s:
        if c == last_c:
            yield c * 2
        last_c = c

s = 'ugknbfddgicrmopn'
v = [x for x in adj(s)]
print(v)
# output: ['dd']

Answer 6

“或者也许有一些更好的方法”

由于正则表达式经常被下一个遇到您的代码的开发人员（甚至可能是您）误解， 而且由于更简单！= 更短，

下面的伪代码怎么样：

function findMultipleLetters(inputString) {        
    foreach (letter in inputString) {
        dictionaryOfLettersOccurrance[letter]++;
        if (dictionaryOfLettersOccurrance[letter] == 2) {
            multipleLetters.add(letter);
        }
    }
    return multipleLetters;
}
multipleLetters = findMultipleLetters("ugknbfddgicrmopn");

Answer 7

A1 = "abcdededdssffffccfxx"

print A1[1]
for i in range(len(A1)-1):
    if A1[i+1] == A1[i]:
        if not A1[i+1] == A1[i-1]:
            print A1[i] *2

Answer 8

>>> l = ['ug', 'kn', 'bf', 'dd', 'gi', 'cr', 'mo', 'pn']
>>> import re
>>> newList = [item for item in l if re.search(r"([a-z]{1})\1", item)]
>>> newList
['dd']