使用正则表达式删除重复的字符？

Question

假设我想使用正则表达式删除字符串中的所有重复字符（特定字符）。这很简单-

import re
re.sub("a*", "a", "aaaa") # gives 'a'

如果我想用相应的字符替换所有重复的字符（即a，z）怎么办？我该怎么做呢？

import re
re.sub('[a-z]*', <what_to_put_here>, 'aabb') # should give 'ab'
re.sub('[a-z]*', <what_to_put_here>, 'abbccddeeffgg') # should give 'abcdefg'

注意： 我知道可以使用哈希表或某些O（n ^ 2）算法更好地解决这种删除重复项的方法，但是我想使用正则表达式进行探索

Answer 1

>>> import re
>>> re.sub(r'([a-z])\1+', r'\1', 'ffffffbbbbbbbqqq')
'fbq'

的()周围的[a-z]指定 捕获组 ，然后将\1（一个 反向引用 在图案和替换两者）指的是第一个捕获组的内容。

因此，正则表达式显示为“查找字母，然后出现一个或多个相同字母”，然后将整个找到的部分替换为单个出现的找到的字母。

旁注…

您的示例代码a实际上是错误的：

>>> re.sub('a*', 'a', 'aaabbbccc')
'abababacacaca'

您确实希望使用'a+'regex而不是'a*'，因为*运算符匹配出现的“
0个或多个”，因此将匹配两个非a字符之间的空字符串，而+运算符匹配的是“ 1个或多个”。