Python 要匹配重复（未知）子字符串的正则表达式

我试图在用户消息中找到“笑词”或类似的词，如

hahaha

，

hihihi

，

hueheu

。我目前的做法如下：

>>> substring_list = ['ha', 'ah', 'he', 'eh', 'hi', 'ih', 'ho', 'hu', 'hue']
>>> pattern_core = '|'.join(substring_list)
>>> self.regex_pattern = re.compile(r'\b[a-z]*(' + pattern_core + r'){2,}[a-z]*\b', re.IGNORECASE)

[a-z]*

在拼写错误（例如，

ahahahah

）方面提供了一些余地。从原则上讲，这相当有效。问题在于，它需要在某种意义上进行维护，

substring\u list

需要更新，以匹配新形式的“笑词”（例如，添加

xi

）；“笑词”似乎在不同的国家之间差异很大

现在我想知道，我是否能在不知道单个模式的情况下，根据重复模式（大小，比如2-4）找到单词。例如，

hurrhurr

包含作为重复模式的

hurr

。在理想情况下，我可以（a）匹配

hurrhurr

，（b）识别核心模式

hurr

。我不知道正则表达式是否可以做到这一点。

这个正则表达式可以做到：

\b[a-z]*?([a-z]{2,}?)\1+[a-z]*?\b

用法：

self.regex_pattern = re.compile(r'\b[a-z]*?([a-z]{2,}?)\1+[a-z]*?\b', re.IGNORECASE)

要点与您所做的相似，但“核心”不同。regex的核心是这一块：

([a-z]{2,}?)\1+

逻辑是找到由2个或多个字母组成的组，然后再将同一组（

\1

）匹配一次或多次

在理想情况下，我可以（a）匹配hurrhurr和（b）识别核心 赫勒。我不知道正则表达式是否可以做到这一点

---

您的子字符串列表当前与

hurrhur

匹配，因为

hu

已经定义。@l'l'l注意到有一个

{2，}

量词重复该组。@Mariano:我应该注意到什么？@l'l它不会与

hurrhur

匹配，因为

hu

没有连续重复2次以上，接受的答案过于复杂，与不应该匹配的内容匹配，并且没有提供所需的输出。例如，

heehee

或

hurrhurr

，这将不匹配。但是，如果我想象它会与

或
香蕉相配。这似乎是错误的@Mariano，是的，它会的。@7stud我知道你已经修改了正则表达式，但是如果我想象
和
香蕉
（或者，正如Mariano所说，
----
或
x主题
），它仍然会匹配
）。看，Ed，这很有效！引用组的概念
\1
是缺少的部分。我现在如何使用它来提取重复模式“hurr”？如“查找重复的模式，并返回第一个外观”。@Christian使用
re.findall
，然后访问结果，如
results=re.findall（模式、字符串、re.IGNORECASE）print（结果）
。这里有一个演示：@BobbleBobble很好。那是我玩的其他东西的遗留物。固定的！
import re

string = """hahaha, huehue, heehee, 
            axaxaxax, x the theme, ------, hhxhhxhhx, 
            bananas, if I imagine, HahHaH"""

pattern = r"""
    (
        \b               #Match a word boundary...

        ( 
            [a-z]{2,}?   #Followed by a letter, 2 or more times, non-greedy...
        )                #Captured in group 2,        

        \2+              #Followed by whatever matched group 2, one or more times...

        \b               #Followed by a word boundary.
    )                    #Capture in group 1.
"""

results = re.findall(pattern, string, re.X|re.I)
print(results)

--output:--
[('hahaha', 'ha'), ('huehue', 'hue'), ('heehee', 'hee'), ('axaxaxax', 'ax'), ('hhxhhxhhx', 'hhx'), ('HahHaH', 'Hah')]