正则表达式以检测字符串中的重复

Question

是否可以使用正则表达式检测重复的数字模式？

因此,例如,如果我有以下字符串"034503450345",是否可以匹配重复序列0345？我有一种感觉,这超出了正则表达式的范围,但我想我还是会问这里,看看我是否错过了什么.

Answer 1

此表达式将匹配一个或多个重复组:

(.+)(?=\1+)

这是相同的表达式,(使用注释,因此它仍然可以直接用作正则表达式).

(?x)  # enable regex comment mode
(     # start capturing group
.+    # one or more of any character (excludes newlines by default)
)     # end capturing group
(?=   # begin lookahead
\1+   # match one or more of the first capturing group
)     # end lookahead

要匹配特定模式,请更改.+为该模式,例如\d+,一个或多个数字,或\d{4,}匹配4个或更多数字.

为了匹配特定数量的模式,改变\1+例如\1{4}四次重复.

为了使重复不会彼此相邻,您可以.*?在前瞻中添加内容.

Answer 2

是的,你可以 - 这是一个Python测试用例

import re
print re.search(r"(\d+).*\1", "8034503450345").group(1)
# Prints 0345

正则表达式说"找到一些数字序列,然后找到任何数量的其他东西,然后再找到相同的序列."

在几乎没有相关的说明中,这是我最喜欢的正则表达式之一 - 素数检测器:

import re
for i in range(2, 100):
    if not re.search(r"^(xx+)\1+$", "x"*i):
        print i

Answer 3

只是为RichieHindle的(正确)答案添加注释:

请注意,虽然Python的regexp实现(以及许多其他实现,如Perl)可以做到这一点,但这不再是狭义上的正则表达式.

您的示例不是常规语言,因此无法通过纯正则表达式处理.有关详细信息,请参阅优秀的维基百科文章.

虽然这主要只是学术兴趣,但有一些实际后果.与这种情况相比,真正的正则表达式可以更好地保证最大运行时间.所以你可能会在某些时候遇到性能问题.

并不是说它不是一个好的解决方案,但你应该意识到你正处于正则表达式(即使是扩展形式)能够的极限,并且可能想要在出现问题时考虑其他解决方案.