Статья Автор: Деникина Н.В., Деникин А.В.

Вопрос 24. Поиск в тексте регулярными выражениями. Типовые паттерны. Часть 1

Поиск максимальной подстроки, состоящей из одного символа `C`

import re

# Максимальная цепочка из C

s = "AABCCCBCCCCAB"
chains = re.findall(r'C+', s)           # ['CCC', 'CCCC']
print(chains)

max_len = max(len(c) for c in chains)   # 4
print(max_len)

Поиск всех подстрок, состоящих из одно и того же символа

import re

s = "AABCCCBCCCCAB"

# Любые подцепочки, состоящие из одного и тоже символа
print("--- v1 ----")
chains = re.findall(r'(.)\1*', s)  # находит все цепочки
print(chains)


# Но лучше так:
print("--- v2 ----")
for m in re.finditer(r'(.)\1*', s):
    print(m.group(), len(m.group()))

регулярное выражение (.)\1* работает так:

(.) — захватывает любой одиночный символ (круглые скобки образуют первую группу захвата).
\1* — это ссылка назад (бэкраференс), означающая повторение того же символа, который был захвачен первой группой, ноль или более раз (символ *).

Таким образом, выражение находит последовательности одинаковых символов подряд: например, "aaa", "bb", "c".

re.findall с таким шаблоном вернёт список первых символов каждой подряд идущей серии, а re.finditer даёт доступ к каждому полному совпадению (все повторения подряд) с их длиной — поэтому в цикле print(m.group(), len(m.group())) выводятся сами цепочки и их длина.

Поиск паттернов/комбинаций

import re

# Повторяющийся паттерн (ABAB...)
s = "XYZABABABABXYZ"
m = re.search(r'(AB)+', s)

print(m.groups())    # группы из которых состоит объект m
print(len(m.group()), m.group())  
print(len(m.group(0)), m.group(0))  # 8
print(len(m.group(1)), m.group(1))  # 2

Пояснение:

Шаблон (AB)+ означает одну или более повторений группы AB.
m.group() или m.group(0) — всё совпадение целиком, например 'ABABABAB' длиной 8 символов.
m.group(1) — текущий текст, который соответствует первой группе (AB), то есть одиночное вхождение "AB".
Так как в группе (AB) не повторяются символы, а повторяется вся группа, m.group(1) вернёт строку "AB".

Соответственно, вызов len(m.group(1)) выведет длину этой группы, то есть 2 (длина AB), а не длину всего совпадения (8 символов).

Если нужно длину всего совпадения, используйте len(m.group()) или len(m.group(0)).

Печать

Вопрос 24. Поиск в тексте регулярными выражениями. Типовые паттерны. Часть 1

Поиск максимальной подстроки, состоящей из одного символа C

Поиск всех подстрок, состоящих из одно и того же символа

Поиск паттернов/комбинаций

Поиск максимальной подстроки, состоящей из одного символа `C`