如何仅在字符串的开头替换重复字符/单词的模式？

Question

请注意，这个问题是在 Julia 的上下文中，因此（据我所知）PCRE。

假设你有一个这样的字符串：

"sssppaaasspaapppssss"

并且您想单独匹配字符串末尾的重复字符（在我们的字符串的情况下，四个“s”字符 - 也就是说， matchall 给出 ["s","s" ,"s","s"]，而不是 ["ssss"])。这很简单：

r"(.)(?=\1*$)"

它实际上是微不足道的（并且易于使用 - replace(r"(.)(?=\1*$)","hell","k") 将提供 "hekk" 而replace(r"(.)(?=\1*$)","hello","k") 将提供 "hellk"）。并且可以通过将点换成更复杂的东西来推广重复模式：

r"(\S+)(?=( \1)*$)"

例如，它将独立匹配"abc abc defg abc h abc abc abc" 中“abc”的最后三个实例。

这就引出了一个问题……你将如何匹配字符串开始处的重复字符或模式？具体来说，以上面使用的方式使用正则表达式。

显而易见的方法是将上述正则表达式的方向反转为 r"(?<=^\1*)(.)" - 但 PCRE/Julia 不允许后向具有可变长度（除非它是固定变量，如 (?<=ab|cde)），因此引发错误。下一个想法是使用“\K”作为r"^\1*\K(.)" 的内容，但这只能匹配第一个字符（可能是因为它在匹配后“前进”，不再匹配插入符号）。

为了清楚起见：我正在寻找一个正则表达式，例如，导致

replace("abc abc defg abc h abc abc abc",<regex here>,"hello")

生产

"hello hello defg abc h abc abc abc"

如您所见，它从一开始就将每个“abc”替换为“hello”，但直到第一个不匹配为止。我在上面提供的相反的一个在字符串的另一端执行此操作：

replace("abc abc defg abc h abc abc abc",r"(\S+)(?=( \1)*$)","hello")

生产

"abc abc defg abc h hello hello hello"

Answer 1

您可以使用\G 锚点来匹配上一个匹配项之后或字符串开头的位置。通过这种方式，您可以确保从字符串开头到最后一次出现的结果的连续性：

\G(\S+)( (?=\1 ))?

demo

或者能够匹配到字符串的结尾：

\G(\S+)( (?=\1(?: |\z)))?

Answer 2

对于 PCRE 风格的引擎，遗憾的是没有办法做到这一点
可变长度后视。

纯粹的解决方案是不可能的。
没有 \G 锚诡计可以做到这一点。

这就是 \G 锚不起作用的原因。

有了锚，你唯一的保证就是最后一场比赛
导致前向重叠被检查为相等的匹配
到当前比赛。

因此，您只能从头开始全局匹配最多 N-1 个重复项。

这是一个证明：

正则表达式：

 # (?:\G([a-c]+)(?=\1))

 (?:
      \G 
      ( [a-c]+ )                    # (1)
      (?=
           \1 
      )
 )

输入：

abcabcabcbca

输出：

 **  Grp 0 -  ( pos 0 , len 3 ) 
abc  
 **  Grp 1 -  ( pos 0 , len 3 ) 
abc  
------------
 **  Grp 0 -  ( pos 3 , len 3 ) 
abc  
 **  Grp 1 -  ( pos 3 , len 3 ) 
abc  

结论：

即使您知道第 N 个在前一个前瞻中存在，
Nth 没有当前前瞻的条件就无法匹配。

对不起，祝你好运！
如果您找到纯正则表达式解决方案，请告诉我。