如何用Python正则匹配首个重复数字？现有正则方案存缺陷

要匹配字符串中第二次出现时间最早的数字，核心是找到这样的数字：它的第二次出现位置，比其他所有数字的第二次出现位置都靠前。以下是正确的正则实现及分析：

正确正则表达式 #

import re

pattern = r"(\d)(?=(?:(?!\1).)*\1)(?!.*?(\d)(?=(?:(?!\2).)*\2))"

正则逻辑解释 #

• (\d)：捕获候选数字x（我们要找的目标）。
• (?=(?:(?!\1).)*\1)：正向前瞻，确保x在后续内容中会再次出现（即x至少出现两次）。其中(?:(?!\1).)*匹配任意不包含x的字符序列，直到再次遇到x。
• (?!.*?(\d)(?=(?:(?!\2).)*\2))：负向前瞻，确保不存在其他数字y，其第二次出现的位置早于x的第二次出现位置。也就是说，在x的第二次出现之前，没有任何其他数字完成了重复。

测试验证 #

1. 示例1：字符串"0123123123"

   s = "0123123123"
   match = re.search(pattern, s)
   print(match.group(1))  # 输出：1
   

   数字1的第二次出现在索引4，早于0（索引9）、2（索引5）、3（索引6）的第二次出现位置，符合需求。

2. 示例2：字符串"01234554321"

   s = "01234554321"
   match = re.search(pattern, s)
   print(match.group(1))  # 输出：5
   

   数字5的第二次出现在索引5，是所有数字中最早的第二次出现位置，符合需求。

分析之前的错误方案 #

1. 方案r"(\d).*?\1"：
   该正则是从左到右查找第一个出现重复的数字对，但逻辑是“找到第一个能形成重复的数字”，而非“第二次出现最早的数字”。它只关注当前数字的重复是否最早被扫描到，没有考虑其他数字的第二次出现时间，因此在示例2中会出现不符合预期的匹配结果。

2. 方案r"(\d)(?!(\d).*?\2).*?\1"：
   该正则的负前瞻(?!(\d).*?\2)要求“当前数字后面不存在任何重复的数字”，这与需求完全相反——它会找最后一个完成重复的数字（比如示例1中误匹配3）。这个正则的逻辑是“找后面没有其他重复数字的重复数字”，和我们要找的“第二次出现最早的数字”毫无关系。

内容的提问来源于stack exchange，提问作者plsssineedheeeelp