Python 与给定字符集的powerset中的任何内容匹配的正则表达式

我正在写一个字符串模式匹配算法，我计划用正则表达式实现它。我希望正则表达式能够匹配给定字符列表的powerset中的任何字符串

我希望正则表达式以以下方式匹配：

假设我们有一份清单 s=['a'，'c'，'t'，'a']

一些匹配的字符串可能是：

cat, act, tac, at, aa, t, acta, taca, a

aaa, tacca, iii, abcd, catk, ab

类似地，一些不匹配的字符串可能是：

cat, act, tac, at, aa, t, acta, taca, a

aaa, tacca, iii, abcd, catk, ab

请记住，还将考虑角色在集合中的出现次数

这也可以表示为上下文无关语法，如果这有任何帮助的话

S → A | T | C
A → aT | aC | a | aa | ɛ
T → tA | tC | t | ɛ
C → cA | cT | c | ɛ

---

这里的一种方法是对字符列表和传入的子字符串进行排序。然后，构建一个由应该匹配的单个字母组成的有序正则表达式模式

s = ['a','c','t','a']
s.sort()
str = ''.join(s)
substring = "at"
substring = '.*'.join(sorted(substring))
print(substring)
if re.match(substring, str):
    print("yes")

a.*t
yes

为了更详细地了解此解决方案，以下是排序后作为字符串的字符列表，后面是正在使用的正则表达式模式：

aact
a.*t

---

因为要在中匹配的字符串现在已排序，并且正则表达式的字符已排序，所以我们可以简单地通过......

连接字母。这里的一种方法是对字符列表和传入的子字符串进行排序。然后，构建一个由应该匹配的单个字母组成的有序正则表达式模式

s = ['a','c','t','a']
s.sort()
str = ''.join(s)
substring = "at"
substring = '.*'.join(sorted(substring))
print(substring)
if re.match(substring, str):
    print("yes")

a.*t
yes

为了更详细地了解此解决方案，以下是排序后作为字符串的字符列表，后面是正在使用的正则表达式模式：

aact
a.*t

---

因为要匹配的字符串现在已排序，正则表达式的字符也已排序，所以我们可以简单地通过.....

连接字母，而不使用正则表达式。使用替换循环即可轻松完成：

s = ['a','c','t','a']
test_strings = ['cat', 'act', 'tac', 'at', 'aa', 't', 'acta', 'taca', 'a',
                'aaa', 'tacca', 'iii', 'abcd', 'catk', 'ab']

for t in test_strings:
    temp = t
    for c in s:
        temp = temp.replace(c, '', 1)

    if temp == '':
        print('match: ' + t)
    else:
        print('no match: ' + t)

印刷品：

match: cat match: act match: tac match: at match: aa match: t match: acta match: taca match: a no match: aaa no match: tacca no match: iii no match: abcd no match: catk no match: ab 当然，这也将直接用于字符串：

print(is_in_powerset('acta', 'taa'))

一个优化版本，可最大限度地减少.replace调用的数量：

---

我会在没有正则表达式的情况下解决这个问题。使用替换循环即可轻松完成：

s = ['a','c','t','a']
test_strings = ['cat', 'act', 'tac', 'at', 'aa', 't', 'acta', 'taca', 'a',
                'aaa', 'tacca', 'iii', 'abcd', 'catk', 'ab']

for t in test_strings:
    temp = t
    for c in s:
        temp = temp.replace(c, '', 1)

    if temp == '':
        print('match: ' + t)
    else:
        print('no match: ' + t)

印刷品：

match: cat match: act match: tac match: at match: aa match: t match: acta match: taca match: a no match: aaa no match: tacca no match: iii no match: abcd no match: catk no match: ab 当然，这也将直接用于字符串：

print(is_in_powerset('acta', 'taa'))

一个优化版本，可最大限度地减少.replace调用的数量：

---

如果你寻找逆问题，这个问题似乎变得非常简单。 包含除a、c或t不匹配以外的任何字符的任何输入

那么，除了aa，我们永远不会看到相同的字符重复。但是aa只能位于字符串的末尾

为了解决aa问题，我们可以用一个a替换尾刺末端的任何aa，因为它们在图形上都是相同的

然后，我们可以搜索aa、cc和tt，但在任何匹配中都会失败

进口稀土 测试字符串={ “猫”：没错， “行为”：真实， "交谘会":对,， “at”：是的， “aa”：没错， “t”：是的， “acta”：没错， “塔卡”：没错， “a”：是的， “aaa”：错误， "ataa":对,， “aataa”：错， “塔卡”：错， "iii":假,， "abcd":错,， "猫":假,， “ab”：错误， “猫猫”：没错， “猫”*40000：对， “actact”：没错， } 对于测试字符串中的t、v。项目： 如果没有重新搜索^[atc]*$，t: 持续 temp=关于SUBA$，A，t 如果重新搜索^aa | aa | cc | tt，温度： 打印“不匹配%r:%s”%v，t 其他： 打印匹配%r:%s'%v，t 在上面的代码中，我用A替换aa，但是使用A也可以

还是红宝石

测试字符串={ “猫”=>正确， “act”=>正确， “tac”=>正确， 'at'=>正确， “aa”=>正确， 't'=>正确， “acta”=>正确， “塔卡”=>正确， “a”=>正确， 'aaa'=>错误， “ataa”=>正确， “aataa”=>错误， 'tacca'=>错误， “iii”=>错误， 'abcd'=>错误， 'catk'=>错误， 'ab'=>错误， “猫”=>正确， 'cat'*40000=>正确， “actact”=>正确， } 测试字符串。每个do | t，v| 温度=t.dup 如果温度匹配/^[atc]*$/ 放置“不匹配：”+t+“”+temp 下一个 终止 临时潜艇/aa$/，“A”； 如果温度匹配/aA | aA | tt | cc/ 放置“不匹配：”+t[0..80] 如果v 其他的 放置“匹配：”+t[0..80] 除非v，否则放错 终止 终止

---

如果你寻找逆问题，这个问题似乎变得非常简单。 包含除a、c或t不匹配以外的任何字符的任何输入

那么，除了aa，我们永远不会看到相同的字符重复。但是aa只能位于字符串的末尾

为了解决aa问题，我们可以用一个a替换尾刺末端的任何aa，因为它们在图形上都是相同的

然后，我们可以搜索aa、cc和tt，但在任何匹配中都会失败

进口稀土 测试字符串={ “猫”：没错， “行为”：真实， "交谘会":对,， “at”：是的， “aa”：没错， “t”：是的， “acta”：没错， “塔卡”：没错， “a”：是的， “aaa”：错误， "ataa":对,， “aataa”：错， “塔卡”：错， "iii":假,， "abcd":错,， "猫":假,， “ab”：错误， “猫猫”：没错， “猫”*40000：对， “actact”：没错， } 对于测试字符串中的t、v。项目： 如果没有重新搜索^[atc]*$，t: 骗局 锡； temp=关于SUBA$，A，t 如果重新搜索^aa | aa | cc | tt，温度： 打印“不匹配%r:%s”%v，t 其他： 打印匹配%r:%s'%v，t 在上面的代码中，我用A替换aa，但是使用A也可以

还是红宝石

测试字符串={ “猫”=>正确， “act”=>正确， “tac”=>正确， 'at'=>正确， “aa”=>正确， 't'=>正确， “acta”=>正确， “塔卡”=>正确， “a”=>正确， 'aaa'=>错误， “ataa”=>正确， “aataa”=>错误， 'tacca'=>错误， “iii”=>错误， 'abcd'=>错误， 'catk'=>错误， 'ab'=>错误， “猫”=>正确， 'cat'*40000=>正确， “actact”=>正确， } 测试字符串。每个do | t，v| 温度=t.dup 如果温度匹配/^[atc]*$/ 放置“不匹配：”+t+“”+temp 下一个 终止 临时潜艇/aa$/，“A”； 如果温度匹配/aA | aA | tt | cc/ 放置“不匹配：”+t[0..80] 如果v 其他的 放置“匹配：”+t[0..80] 除非v，否则放错 终止 终止

---

我用“字符”运行这个程序，通常是30个字符或更多，“目标”是一组大约100k的条目，所以不确定它是否是最佳时间。我将试着看看我是否能以任何方式修改或取消它。谢谢你给出这个简单而有力的答案！将字符按相同字符分组：['a'，'c'，'t'，'a'，'c']=>['aa'，'cc'，'t']。然后迭代这些组并执行target.replacegrp[0]，lengrp。也就是说，基本的字符串操作几乎可以保证优于基于正则表达式的解决方案。@Swopnil可以轻松地进行分组，请参见修改后的答案。我使用“字符”通常为30个字符或更多，“目标”作为一组大约100k的条目运行，所以不确定它是否是最佳时间。我将试着看看我是否能以任何方式修改或取消它。谢谢你给出这个简单而有力的答案！将字符按相同字符分组：['a'，'c'，'t'，'a'，'c']=>['aa'，'cc'，'t']。然后迭代这些组并执行target.replacegrp[0]，lengrp。也就是说，基本字符串操作几乎可以保证优于基于正则表达式的解决方案。@Swopnil可以轻松地进行分组，请参见修改后的答案。这是不正确的。例如，它匹配ac*。因为集合是有限的，所以肯定有一个CFG甚至正则表达式。但是没有递归/Kleene星。这是不正确的。例如，它匹配ac*。因为集合是有限的，所以肯定有一个CFG甚至正则表达式。但没有递归/克莱恩星。