如何用正则表达式将字符串拆分为无重复的指定字符池字符集？

可以通过正则表达式实现这个需求，核心是利用最长匹配优先和负向断言确保每个匹配片段仅包含字符池内的字符且无重复，同时通过\G锚点保证匹配是连续的（不跳过字符串中的任何字符）。

针对字符池(A、B、C)的正则表达式 #

\G(?!.*(.).*\1)[ABC]+

正则解释 #

• \G：锚定匹配位置到字符串开头，或者上一次匹配结束的位置，确保拆分是连续的，不会跳过中间字符。
• (?!.*(.).*\1)：负向预查断言，用于检查即将匹配的子串中没有重复字符。(.).*\1会匹配任意出现两次的字符，(?!...)则否定这个情况，确保子串内所有字符唯一。
• [ABC]+：匹配一个或多个字符池内的字符（A、B、C），结合前面的断言，最终得到最长的无重复字符子串。

代码示例（Python） #

import re

s = "AABABCCAB"
pattern = r'\G(?!.*(.).*\1)[ABC]+'
result = re.findall(pattern, s)
print(result)  # 输出: ['A', 'AB', 'ABC', 'CAB']

扩展到其他字符池 #

如果字符池变化（比如换成X、Y、Z），只需要修改正则中的字符集部分即可：

\G(?!.*(.).*\1)[XYZ]+

注意事项 #

• 这个正则依赖正则引擎的回溯功能来找到最长的无重复子串，大部分现代正则引擎（Python、JavaScript、Java等）都支持。
• 如果需要处理边缘情况（比如字符池为空、输入字符串为空），可以根据需求调整正则，比如添加|^$规则。

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