如何用正则表达式获取「aaaa」中所有可能的重复子串？

首先，你用的正则re.findall(r'(.)\1{1,}')只返回'a'的原因有两点：

• 正则里的捕获组(.)会让findall返回捕获的单个字符，而非整个匹配的重复子串；
• 即使修改为捕获整个匹配，默认正则是贪婪且非重叠的，只会匹配最长的连续序列（比如"aaaa"），无法得到所有重叠的子串。

方法一：遍历生成并筛选（直观易理解） #

直接遍历所有可能的子串，筛选出长度≥2且所有字符相同的子串：

s = "aaaa"
result = []
str_len = len(s)
# 遍历所有起始索引
for start in range(str_len):
    # 遍历所有结束索引，子串长度至少为2
    for end in range(start + 2, str_len + 1):
        substr = s[start:end]
        # 检查子串所有字符是否一致
        if all(c == substr[0] for c in substr):
            result.append(substr)
# 按长度排序，和期望结果顺序一致
result.sort(key=len)
print(result)
# 输出：['aa', 'aa', 'aa', 'aaa', 'aaa', 'aaaa']

方法二：正则结合序列拆分（针对连续重复场景） #

先找到最长的连续重复字符序列，再拆分出所有符合要求的子串：

import re

s = "aaaa"
result = []
# 匹配所有连续重复的字符序列（最长匹配）
for match in re.finditer(r'(.)\1+', s):
    char = match.group(1)
    seq_length = len(match.group())
    # 生成该序列中所有长度≥2的子串
    for offset in range(seq_length - 1):
        # 子串长度从2到剩余可用长度
        for sub_len in range(2, seq_length - offset + 1):
            result.append(char * sub_len)
result.sort(key=len)
print(result)
# 输出：['aa', 'aa', 'aa', 'aaa', 'aaa', 'aaaa']

原正则的修正说明 #

如果只想用正则获取所有非重叠的最长重复子串，可修改为：

re.findall(r'(?:.)\1{1,}', "aaaa")
# 输出：['aaaa']

但这依然无法得到重叠的子串，所以需要结合上述方法来获取完整的期望结果。

内容的提问来源于stack exchange，提问作者Chainsaw