문자열에서 반복되는 문자 패턴을 제거하는 정규식

Question

반복되는 문자 패턴을 가질 수있는 문자열이 있습니다.

'xyzzyxxyzzyxxyzzyx' 

나는 가장 작은 반복 패턴과 같은 문자열을 대체 할 정규식 작성해야합니다 :

'xyzzyxxyzzyxxyzzyx' becomes 'xyzzyx', 

'abcbaccbaabcbaccbaabcbaccba' becomes 'abcbaccba' 

Answer 1

사용하여 다음

> re.sub(r'(.+?)\1+', r'\1', 'xyzzyxxyzzyxxyzzyx') 
'xyzzyx' 
> re.sub(r'(.+?)\1+', r'\1', 'abcbaccbaabcbaccbaabcbaccba') 
'abcbaccba' 
> re.sub(r'(.+?)\1+', r'\1', 'iiiiiiiiiiiiiiiiii') 
'i' 

그것은 기본적으로 그 자체를 반복하는 패턴과 일치 (.+?)\1+을 입력하고 첫 번째 그룹 \1에 캡처 된 반복 패턴 이외의 모든 것을 제거합니다. 또한 여기서 꺼리는 한정자를 사용하면 +?과 같이 정규식을 역 추적 할 수 있습니다.

DEMO. 당신이 가장 작은 반복 패턴을 원하기 때문에

Answer 2

, 다음과 같은 당신을 위해 작동합니다 :

re.sub(r'^(.+?)\1+$', r'\1', input_string) 

^ 및 $ 앵커하여 문자열의 중간에 일치하지 않습니다 있는지 확인하고 대신 .+?을 사용하면 가장 짧은 패턴을 얻을 수 있습니다 ('aaaaaaaaaa'과 같은 문자열을 사용하여 결과 비교).

Answer 3

첫 번째 그룹이 정규식 패턴을 시도하고 캡처 : 줄 바꿈

+ 한정 기호를 제외한 모든 문자가이어야 한 선두로부터를 표시하기 위해 문자열의 시작에 대한

^(.+?)\1+$ 

• ^ 앵커/라인
• .을
• ?은 욕심이 많은 대신 +을 게으르게 만듭니다. 그 패턴을 나타 내기 위해 당신에게 정량와
• () 캡처 그룹
• \1+ 역 참조를 가장 짧은 패턴을 제공해야 문자열/라인 여기

테스트를 종료 한 번씩

$ 앵커이어야 반복 : Rubular

---

위의 해결 방법은 많은 bac을 수행합니다 성능에 영향을 미치는 ktracking. 이 문자열에 허용되지 않는 문자를 알고 있으면 역 추적을 제거하는 부정 된 문자 집합을 사용할 수 있습니다. 예를 들어 공백을 사용할 수없는 경우 다음과 같이 입력하십시오.

^([^\s]+)\1+$