Python 用于删除重复字符和组合的正则表达式

我有一个字符串，它由在末尾有重复字符的单词组成。 这些字符可以是这样的组合：

• wordxxxx
• wordxyxy
• wordxyzxyzxyz

例如：

string=“此SSSSSS是echooooooo stringggg.replaceAceACE repeatededededed groupsss of symbolsSS”

我找到了一种方法来替换一些重复的组合，如下所示：

re.sub（r'（[a-z]{1,3}）\1+'，r'\1'，string）

我得到了这些结果：

这是echoooo stringg。替换重复的符号组

---

如何更改正则表达式以删除所有重复的字符及其组合？

您的正则表达式几乎是正确的

• 您需要将

  ？

  添加到捕获组中，使其尽可能少地匹配（“惰性匹配”，而不是尽可能多地匹配的默认“贪婪”行为）

• 我还使用了

  +

  而不是

  {1,3}

  ，因为将重复限制在

  3

  似乎是任意的

• 您可以观察两种行为之间的差异：vs。 请注意：

• 贪婪行为将

  aaaa

  视为

  aa*2

  而不是

  a*4

• 贪婪的行为只适用于长时间的重复<代码>AAAA被视为

  aa*2+a

  因此，替换结果将是

  aaa

  ，而不是

  a

输出

This
is
echo
string.
Replace
repeated
groups
of
symbols

一行解决方案

string = "Thisssssssss isisisis echooooooo stringggg. Replaceaceaceace repeatedededed groupssss of symbolssss"
print(re.sub(r'([a-z]+?)\1+', r'\1', string))
#This is echo string. Replace repeated groups of symbols

---

这里可能值得一提的是，在使用贪婪量词时到底出了什么问题，即“ssss”被分析为“ss”*2，而不是“s”*4。@alaniwi谢谢，我补充了这个解释+一个关于奇怪长度重复的有趣见解。

string = "Thisssssssss isisisis echooooooo stringggg. Replaceaceaceace repeatedededed groupssss of symbolssss"
print(re.sub(r'([a-z]+?)\1+', r'\1', string))
#This is echo string. Replace repeated groups of symbols