寻找重复的子串答案

【问题标题】：Finding repetitive substrings寻找重复的子串
【发布时间】：2013-08-31 18:04:35
【问题描述】：

有一些任意字符串，例如

hello hello hello I am I am I am your string string string string of strings

我能否以某种方式找到重复的子字符串由空格分隔（编辑）？在这种情况下，它将是“你好”、“我是”和“字符串”。

我一直在想这个问题，但我仍然找不到任何真正的解决方案。我也阅读了一些关于这个主题的文章并找到了后缀树，但这可以帮助我，即使我需要找到每一个重复，例如重复次数高于两次？

如果是这样，是否有一些python库可以处理后缀树并对它们执行操作？

编辑：很抱歉我不够清楚。所以为了清楚起见 - 我正在寻找重复的子字符串，这意味着字符串中的序列，例如，就正则表达式而言，可以用 + 或 {} 通配符代替。所以如果我必须从列出的字符串中制作正则表达式，我会这样做

(hello ){3}(I am ){3}your (string ){4}of strings

【问题讨论】：

【解决方案1】：

要查找重复两次或多次的两个或多个字符，每个字符由空格分隔，请使用：

(.{2,}?)(?:\s+\1)+

这是一个使用您的测试字符串的工作示例：http://bit.ly/17cKX62

编辑：通过添加使捕获组中的量词不情愿？匹配最短可能匹配（即现在匹配“字符串”而不是“字符串字符串”）

编辑 2：为更清晰的结果添加了所需的空格分隔符

【讨论】：

适用于他的情况，但我会让 .{2,} 非贪婪，否则它将匹配 "a a a b" 中的 "a a "。
对。事实上，它匹配的是“string string”，而不是“string”
哇，像魔术一样工作！在我接受你的回答之前，你介意解释一下正则表达式吗？我理解为什么我们有 (.{2,}?)，但是下面的括号？ "?:" 表示不记得了，\s+ 足够清楚，但是 \1 ？这是否是说“把你从第一组找到的东西再找一遍？”
(?: ...) 是一个非捕获组。就像 (...) 一样，除了匹配不被记住或访问。在这种情况下， (?:...) 或 (...) 都可以，但出于习惯，如果我不需要捕获它们，我总是让组不捕获。第一组 (.{2,}?) 被捕获，并且对它的反向引用 (\1) 确保只有重复的字符串被匹配。这是关于组和捕获和反向引用的教程：regular-expressions.info/brackets.html