Python的正则表达式问题

Question

我想知道什么是这个问题的pythonic解决方案。

In "aa67bc54c9", is there any way to print "aa" 67 times, "bc" 54 times and so on, using regular expressions?

Answer 1

这将是一个简洁的方式：

import re 

s = "aa67bc54c9" 
print ''.join(t * int(n) for t, n in re.findall(r"([a-z]+)([0-9]+)", s)) 

该解决方案使用正则表达式匹配“一个或多个字母后跟一个或多个数字”，寻找在所有这些输入字符串。然后它使用列表理解遍历每个找到的组，并依次将字母分配给t和n。该列表使用字符串*运算符生成字符串，该运算符将字符串重复给定次数（使用int()将数字字符串转换为整数）。最后，使用''.join()将所有内容粘贴在一起。

对于正则表达式，[a-z]是由任何单个（小写）字母组成的字符类。 [a-z]+表示一个或多个小写字母。同样，[0-9]+表示一个或多个数字。每个组件周围的分组括号会“捕捉”其中的字符，并使其可用作为findall()函数的结果。有两组圆括号，所以有两个输出值，它们在列表理解中被分配到t和n。

Answer 2

这是我的Python解决方案。

import re 
pat = re.compile("^(\D+)(\d+)(.*)$") 

def rle_expand(s): 
    lst = [] 
    while True: 
     m = pat.match(s) 
     if m: 
      n = int(m.group(2)) 
      lst.append(m.group(1) * n) 
     else: 
      lst.append(s) 
      break 
     s = m.group(3) 
    return "".join(lst) 

s = "aa03bc05d9whew" 

print rle_expand(s) 
# prints aaaaaabcbcbcbcbcdddddddddwhew 

s = “aa67bc54c9” 
print rle_expand(s) 
# prints: aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaabcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcbcccccccccc 

问题基本上是扩展一个游程编码。首先你有某种模式，然后是一些数字，指定重复模式的次数。

首先我们导入re模块，以访问Python的正则表达式。

接下来我们编译一次模式，以便稍后使用它。这种模式会做什么？

该模式使用圆括号标记匹配字符串中的字母组。有三对parens，所以这将匹配三组。在第一组是一个'^'字符之前，它锚定到字符串的开头，并且在最后一组之后是一个'$'字符，它锚定在字符串的末尾;在这种情况下，这些并不是绝对必要的。第一组匹配使用特殊序列而不是的任何数字\D; +扩展它以匹配一个或多个非数字实例的运行。第二组类似，使用\d+来匹配一个或多个数字的运行。第三组使用.来匹配任何字符，然后用*扩展它以匹配任意字符的0或更多的运行。 （注意：*和+非常相似，它只是*匹配0个或更多的东西，+匹配一个或多个）。

使用标准的Python的成语，我们建立使用列表的字符串。我们从一个空的列表开始（称为lst）。只要模式保持匹配的东西，我们将东西附加到这个列表中。当我们完成后，我们使用"".join()将列表一起加入到一个字符串中。

pat.match()返回一个名为“匹配对象”的对象，或者如果匹配失败，返回None。如果匹配成功，我们将匹配组2转换为整数，并在匹配组1上使用Python字符串重复运算符（“multiply”）进行运行长度扩展。在此之后，我们用匹配组3的结果重新命名s的名称，从而截断刚刚处理的字符串部分，并循环。如果匹配失败，我们只需将所有s附加到列表中并跳出循环。

建立一个列表，然后在列表上使用"".join()是一个标准的Python成语。它可以在任何版本的Python下都有良好的性能。因为Python字符串是不可变的，所以如果通过重复附加到字符串来建立长动态字符串，性能可能会非常慢;在创建最终字符串时，您会多次复制字符串的早期部分。 Python列表可以简单地附加到，然后最后的连接操作非常快。 （Python的最新版本已经优化了你反复附加到一个字符串的情况，并且不再遭受这种情况下的重复复制。）

Greg Hewgill的解决方案只识别从'a'到'z的小写字母'为扩展文本;你可以通过把\D而不是[a-z]来解决这个问题。他的解决方案使用明确的范围，如[0-9]，其中我的解决方案使用Python简写缩写（如\d）。他的解决方案只扩展了游程编码序列;如果有一个尾部序列没有整数，那么我的这个序列不变，而他默默地忽略它。但是，必须说他的解决方案非常优雅，我希望我能想到它。 :-)