Python正则表达式：替换重复字符为字符(计数)，支持阈值过滤

一、基础场景的错误原因与正确写法 #

你之前的写法报错，核心原因有两个：

• \1 或 \\1 在Python字符串中会被当作转义字符解析，不是正则的反向引用，直接写会触发语法错误；
• 替换字符串里无法直接调用 len() 这类函数，必须用回调函数作为 re.sub() 的第二个参数。

正确实现 XXXXXXX99 → X(7)99 的代码：

import re
s = "XXXXXXX99"
result = re.sub(r'(X+)', lambda m: f'X({len(m.group(1))})', s)
print(result)  # 输出: X(7)99

这里用 lambda 函数接收匹配对象 m，m.group(1) 获取捕获到的连续X字符串，len() 计算长度后格式化输出即可。

二、复杂场景的实现（仅替换重复次数>5的连续字符） #

针对类似 XXXX99_999999XX99.99 的字符串，需要匹配任意连续重复≥6次的字符（重复次数>5即至少6次），再替换为「字符(次数)」格式。

实现代码：

import re
s = "XXXX99_999999XX99.99"
# 正则解释：(.)匹配任意单个字符，\2{5,}表示该字符连续重复至少5次（加上前面的1次，总共≥6次）
result = re.sub(r'((.)\2{5,})', lambda m: f'{m.group(2)}({len(m.group(1))})', s)
print(result)  # 输出: XXXX99_9(6)XX99.99

正则细节说明： #

• (.)：捕获单个任意字符，作为分组2；
• \2{5,}：引用分组2的字符，要求它连续出现至少5次；
• 外层的 ((.)\2{5,})：把整个连续重复的字符串作为分组1，方便后续获取总长度。

这样就能精准替换重复次数超过5的连续字符，其他短重复的字符保持原样。

内容的提问来源于stack exchange，提问作者jsf80238