如何从无空格单词中提取重复模式？Python正则表达式求助

你之前用的正则r"(\D)\1*"思路偏了——它只能匹配连续重复的单个非数字字符（比如"AAAA"会拆成["AAAA"]），但没法识别"VRJAM"这种由不同字符组成的重复子串，或者首尾重复的模式。

针对你给出的两种场景，这里提供对应的解决思路：

1. 处理完全由子串重复构成的字符串（如"VRJAMVRJAM"） #

用正则匹配重复的基础子串，再按子串长度分割：

import re

def split_full_repeat(s):
    # 匹配由某个子串重复至少2次构成的整串
    match = re.match(r'^(.+)\1+$', s)
    if match:
        unit = match.group(1)
        return [unit] * (len(s) // len(unit))
    return [s]

# 测试
print(split_full_repeat("VRJAMVRJAM"))  # 输出: ['VRJAM', 'VRJAM']

2. 处理首尾有重复子串、中间为其他内容的字符串（如"PANGOLINUPANGO"） #

从最长的可能子串开始检查，找到首尾相同的最大子串后分割：

def split_head_tail_repeat(s):
    max_len = len(s) // 2
    # 从最长可能的长度倒序检查，确保取到最长的首尾重复子串
    for n in range(max_len, 0, -1):
        if s[:n] == s[-n:]:
            return [s[:n], s[n:-n], s[-n:]]
    return [s]

# 测试
print(split_head_tail_repeat("PANGOLINUPANGO"))  # 输出: ['PANGO', 'LINUP', 'PANGO']

整合两种场景的通用函数 #

把上面两个逻辑结合，优先检查完全重复的情况，再处理首尾重复：

def split_by_repeat_pattern(s):
    # 先判断是否为完全重复的字符串
    full_match = re.match(r'^(.+)\1+$', s)
    if full_match:
        unit = full_match.group(1)
        return [unit] * (len(s) // len(unit))
    # 再判断是否存在首尾重复子串
    max_len = len(s) // 2
    for n in range(max_len, 0, -1):
        if s[:n] == s[-n:]:
            return [s[:n], s[n:-n], s[-n:]]
    # 无重复模式则返回原字符串
    return [s]

# 测试两个示例
print(split_by_repeat_pattern("VRJAMVRJAM"))       # ['VRJAM', 'VRJAM']
print(split_by_repeat_pattern("PANGOLINUPANGO"))   # ['PANGO', 'LINUP', 'PANGO']

补充说明 #

• 完全重复的正则^(.+)\1+$：^和$锁定整串匹配，(.+)捕获重复的基础子串，\1+表示该子串至少重复1次（加上首次出现，整串至少包含2次重复）。
• 首尾重复的检查逻辑：从字符串长度的一半倒序遍历，能优先匹配到最长的首尾重复子串，避免误拆分更短的重复片段。

内容的提问来源于stack exchange，提问作者SK_33