Python:Regex，查找字符串上的重复

我需要在文本字符串中查找重复项。 我已经从@Tim Pietzcker那里找到了一个非常优雅的解决方案

我对这个解决方案很满意，但想知道是否有可能进一步扩展它，使它能够接受带空格的字符串

例如

“一个bcab c”

将返回

[（abc，2）]

我尝试使用regex模式

“（[^\s]+？）\1+”

，但运气不佳。 非常感谢您的帮助。

使用

（\S+？\S？\1

），您可以允许字符串中的空格，如下所示，其中空格的位置在重复单词

ab c

中的相同位置

ab cab c 

---

但是，如果重复单词中的空格位置不相同。这意味着，你必须用空字符串替换无意义的空格。“用你的方法找到重复的单词。

你应该首先考虑从文本中删除“”。你可以用正则表达式自己来做

>>> def repetitions(s):
...    r = re.compile(r"(.+?)\1+")
...    for match in r.finditer(re.sub(r'\s+',"",s)):
...        yield (match.group(1), len(match.group(0))/len(match.group(1)))
... 

输出

>>> list(repetitions("a bcab c"))
[('abc', 2)]

如果仍要在原始文本中保留空格，请尝试以下正则表达式：

r”（\s*\s+\s*？\s*？）\1+“

。但这有局限性

>>> def repetitions(s):
...    r = re.compile(r"(\s*\S+\s*?\S*?)\1+")
...    for match in r.finditer(s):
...        yield (match.group(1), len(match.group(0))/len(match.group(1)))
... 

结果:

>>> list(repetitions(" abc abc "))
[(' abc', 2)]
>>> list(repetitions("abc abc "))
[('abc ', 2)]
>>> list(repetitions(" ab c ab c "))
[(' ab c', 2)]
>>> list(repetitions("ab cab c "))
[('ab c', 2)]
>>> list(repetitions("blablabla"))
[('bla', 3)]

---

如果在python中，您可以简单地执行

no_whitespaces=input_str.replace（“，”）

，然后在

no_whitespaces

Hi e.s上执行正则表达式，这是一种可能性，但我的应用程序是在更大的文本结构上查找模式。因此，如果可能，我希望保留它们之间的空格，因为我计划在匹配完成后高亮显示找到的文本。如果您希望在匹配完成后高亮显示找到的文本，根据您上面的示例，输出应为[（a bc，2）]？如果没有，在匹配完成后，您将如何突出显示文本？嗨，Faith，谢谢您的输入，但是空格是不规则的，如我的示例所示。谢谢Sanooj，我最终替换了空格，然后用新编译的正则表达式和添加的空格重新匹配组。例如，匹配项“abc”将被输入到带有“\s*”的新正则表达式中。join（'abc'）。谢谢，再次感谢你的时间。