Python 正则表达式a^xb^y替换

我想在python中找到一个正则表达式，以便确定具有以下形状的用户条目

a^xb^y

当在字符串中找到这样的条目时，我想将其标记为垃圾邮件

a:可以是任何角色

b： 可以是除在

x>=2，y>=2

示例：

• “此文本是一个GGEEEFFF示例”应匹配（GGEEEFFF）

• “xxoxo也许这会有帮助”不应该匹配

• “yyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyy

我尝试的代码：

string = "hello is abbbb aabbbbbcccddddddd...eefffggggggghhhhiiii,,,???jj"

reg1 = re.compile("(.)\1{1,}")
match = reg1.match(string)
print(match)

OUT:

None

但是，当我使用re.sub时，它确实会替代它

string_sub = re.sub(r"(.)\1{1,}", r"\1", string)
print(string_sub)

输出：

直升机是ab abcd.efghi，？j

这应该不会发生，因为“hello”应该保持为“hello”，而“abbb”也应该保持为“abbb”。“aabbbbbcccddddd…eefffgggggghhhhiii，，，，？？jj”已正确转换。我认为可以替换，因为

len（string）

len（string）

有效。然后我可以用它来标记字符串：

if(len(string_sub) < len(string)):
    print("String flagged as spam.")
else:
    print("String NOT flagged as spam.")

---

您的原始正则表达式应该可以工作，但是为什么您对这两个

{1，}

都使用

\1

它应该是这样的

（）\1{1，}（？！\1）（）\2{1，}

，问题是它也会匹配像

111222

这样的数字，所以我认为最好使用

[A-Za-z]

或者只使用

[A-z]

和

I

标志

你的正则表达式也不匹配一个完整的单词，我不知道这是否是故意的

您可能可以使用：

匹配具有此模式的完整单词

• \b（[A-Za-z]）\1{1，}（？！\1）（[A-Za-z]）\2{1，}\S*\b

• \b\w+（[A-Za-z]）\1{1，}（？！\1）（[A-Za-z]）\2{1，}\S*\b

如果不想让

\S*

与第一个空格匹配，可以将其删除

如果你只想在任何地方找到它

• （[A-Za-z]）\1{1，}（？！\1）（[A-Za-z]）\2{1，}

---

这是一个相当糟糕的垃圾邮件过滤器。任何人都不允许谈论气球、浣熊、痰盂或委员会……这是一个很好的暗示。但是，由于每个条目也将在以后进行审查，因此使用它是有意义的。背后的原因是，我使用亵渎模型来预测条目是否包含亵渎。不幸的是，我们还想去掉像“aabb”这样的条目。因此，放在模型前面的正则表达式过滤器应该可以工作。通常我会想捕捉所有的字符，但是对于数字来说，把它们去掉是有意义的。所以代替[A-Za-z]->[\D]对我来说应该很好。谢谢：）

string_sub2 = re.sub(r"(.)\1{1,}(?!\1)(.)\1{1,}",r"\1\1", string)