匹配最长重复序列的正则表达式答案

【问题标题】：regular epxressions that matches the longest repeating sequence匹配最长重复序列的正则表达式
【发布时间】：2012-02-28 23:06:48
【问题描述】：

我想匹配至少重复一次的最长序列

拥有：

T_send_ack-new_amend_pending-cancel-replace_replaced_cancel_pending-cancel-replace_replaced

结果应该是：pending-cancel-replace_replaced

【问题讨论】：

REGEX 有语言约定吗？
是的，有。这对于 POSIX 正则表达式是不可能的，您需要特定于引擎的功能，例如 PCRE 中的反向引用。

标签： regex text full-text-search

【解决方案1】：

试试这个

(.+)(?=.*\1)

看here on Regexr

这将匹配具有至少一个字符的任何字符序列，该字符稍后会在字符串中重复。

您需要存储您的匹配项，然后再决定哪个匹配项最长。

此解决方案需要您的正则表达式支持反向引用和前瞻。

它将匹配具有至少一个字符.+ 的任何字符序列，并将其存储在组 1 中，因为它周围有括号。下一步是正向前瞻(?=.*\1)，如果捕获的序列再次出现在字符串中的稍后位置，则为真。

【讨论】：

这将匹配第一个重复的字符（即_），而不是最长的序列。
@M42 查看 Regexr 链接，它将匹配稍后重复的任何字符序列（意味着至少一个字符），你是对的，第一个匹配是“_”。
好的，如果你添加global标志，它将匹配所有序列。
@M42 OP 没有提到他的语言，因此没有全局标志，因为那是 Perl，但是 +1 为您提供完整的解决方案。
最快的回复获得被接受的投票。感谢您提供所有其他答案。

【解决方案2】：

使用 Perl 你可以做到：

s='T_send_ack-new_amend_pending-cancel-replace_replaced_cancel_pending-cancel-replace_replaced'
echo $s | perl -pe 's/([^\s]+)(?=.*?\1)/\1\n/g'

这给出了：

T_
send_
ac
k-
n
e
w_
a
mend
_pending-cancel-replace_replaced
_
cancel
_
p
e
n
d
in
g-
c
a
nce
l
-replace
_re
placed

然后您需要以任何语言或脚本对其进行后期处理以获得最长的文本。

一个可能的重复字符串的后处理可以使用 awk：

echo $s | perl -pe 's/([^\s]+)(?=.*?\1)/\1\n/g' | awk '{ if (length($0) > max) {max = length($0); maxline = $0} } END { print maxline }'

哪些打印：

_pending-cancel-replace_replaced

PS：注意这里最长的字符串是_pending-cancel-replace_replaced

【讨论】：

【解决方案3】：

我不得不承认，这个让我思考。很明显，使用正则表达式解决这个问题绝对需要积极的前瞻。无论如何，这是它在 Java 中的工作方式：

public static String biggestOccurance(String input){
    Pattern p = Pattern.compile("(.+)(?=.*\\1)");
    Matcher m = p.matcher(input);

    String longestOccurence = "";
    while(m.find()){
        if(longestOccurence.length() < m.group(1).length()) longestOccurence = m.group(1);
    }
    return longestOccurence;
}

让我陷入困境的是

\\1

我知道你可以用

引用 Java 中的反向引用

$1

但如果将 $1 替换为 \\1 它将不起作用。

将不得不深入研究。

干杯，尤金。

【讨论】：

【解决方案4】：

这是一个完成这项工作的 perl 脚本：

#!/usr/bin/perl 
use strict;
use warnings;
use 5.010;

my $s = q/T_send_ack-new_amend_pending-cancel-replace_replaced_cancel_pending-cancel-replace_replaced/;
my $max = 0;
my $seq = '';
while($s =~ /(.+)(?=.*\1)/g) {
    if(length$1 > $max) {
        $max = length $1;
        $seq = $1;
    }
}
say "longuest sequence : $seq, length = $max"

输出：

longuest sequence : _pending-cancel-replace_replaced, length = 32

【讨论】：