Python 可以描述字符串的正则表达式

我有一个字母

{A，B，C}

，在这个字母表上有大量的单词：

aaabbccccaa、ABBBCCC、BBBBCACAC等

（不同长度、不同组合）

我正在寻找一组能够描述这些单词的正则表达式（越小越好）。我喜欢紧凑型（

（BC）+

胜过

BCBC

）。这不是家庭作业

做这件事的好方法是什么

是否有一个Python包已经做到了这一点

我发现他有亲戚关系

---

更新：当我说我更喜欢

（BC）+

而不是

BCBC

时，我可能会仓促行事。我更喜欢尽可能少的表达式（在最坏的情况下，每个字符串都有一个正则表达式），所以我更喜欢

A+

、

AA

或

AA+

中的一个来描述

AA

（例如）应该取决于其他字符串显示的模式。

如果我正确理解您的问题，您有一个字母表，以及字母表上的字符串列表，您希望构建一个与这些字符串完全匹配的模式

您可能可以为每个字符串构造一个，从该字符串构造一个，它是所有这些字符串的组合。然后将问题简化为一个简单的问题。然后将NFA转换为模式

如果您已经创建了一个模式，而不是字符串，这甚至可以工作。但是，不能保证您将获得尽可能小的模式

---

我不知道有哪种库可以在Python中操作。

这里有几种方法可以用这些词处理字符串，但只有第一种方法需要正则表达式：

strings=['aaabbccccaa'，'ABBBCCC'，'BBBBCACAC']
进口稀土
对于字符串中的字符串：
matches=re.findall（r'（[A-C]+）'，字符串）
如果匹配：
打印匹配项[0]

输出：

aaabbccccaa
ABBBCCC
BBCACAC

或者，您也可以使用类似的方法，具体取决于您打算对regex执行什么操作：

从itertools导入groupby
结果=[（字符串，[''.join（g）表示k，g表示groupby（字符串）]）表示字符串中的字符串]
打印
对于结果中的结果：
打印“{}:{}”。格式（*结果）

输出：

aaabbccccaa:['AAA'，'BB'，'C'，'A'，'BB'，'CCCC'，'AA']
ABBBCCC:['A'，'BBB'，'CCC']
BBBBCACAC:['BBBB'，'C'，'A'，'C'，'A'，'C']

您的目标是获得一组与单词特别匹配的正则表达式吗？（简单地使用

[A-C]+

之类的东西有问题吗？）显然，你可以制作一个

NFA

来匹配所有这些字符串，（将其转换为

DFA

）最小化它并将其转换为正则表达式，这样它将匹配你的字符串集。@Vulcan是的，我想特别匹配这些单词。我认为DFA+NFA可以做到这一点。@JBernardo我不知道DFA/NFA的方法。我想用

A+

替换

A

的序列，但意识到这是不够的。