如何用正则表达式查找首个连续4个不重复字符的位置（AOC2022 Day6）

我已经解决了2022年Advent of Code Day6的问题，现在想尝试用正则表达式实现：查找字符串中首个连续4个不重复字符的出现结束位置。

示例说明 #

示例字符串：bvwbjplbgvbhsrlpgdmjqwftvncz

• bvwbjplbgvbhsrlpgdmjqwftvncz：因存在重复字符b被排除
• bvwbjplbgvbhsrlpgdmjqwftvncz：匹配到第5个字符，即首个无重复的4字符块结束位置

我的尝试（未成功） #

在R语言中我尝试了以下代码，但没有得到预期结果：

txt <- "bvwbjplbgvbhsrlpgdmjqwftvncz"
str_match("(.*)\\1", txt)

解决方案 #

你的代码之所以失败，是因为"(.*)\\1"的作用是匹配任意重复的子串，和查找连续4个不重复字符的需求完全不相关。

要实现目标，可以借助R的stringr包，结合正向预查的正则表达式来确保连续4个字符无重复：

library(stringr)

txt <- "bvwbjplbgvbhsrlpgdmjqwftvncz"

# 匹配首个连续4个不重复字符的起始位置
start_pos <- str_locate(txt, "(?=(.)(?!\\1)(.)(?!\\1|\\2)(.)(?!\\1|\\2|\\3))")[, 1]
# 结束位置为起始位置 + 3（因为4个字符从start_pos到start_pos+3）
end_pos <- start_pos + 3

cat("首个无重复4字符块的结束位置：", end_pos, "\n")

运行以上代码会输出5，和示例预期一致。

正则表达式解释 #

(?=(.)(?!\\1)(.)(?!\\1|\\2)(.)(?!\\1|\\2|\\3))是一个正向预查：

• (.) 捕获第一个任意字符
• (?!\\1) 确保第二个字符不等于第一个
• (?!\\1|\\2) 确保第三个字符不等于前两个
• (?!\\1|\\2|\\3) 确保第四个字符不等于前三个
  这样就保证了接下来的4个连续字符完全不重复。

内容的提问来源于stack exchange，提问作者pluke