python - 正则表达式查找出现两次的最长子字符串(并且与其孪生不相交)

有很多问题要求找到最长的重复子串:

但这些并不完全符合我的要求，即:

子串不能重叠(它们是不相交的)。

子串可以不相邻。

允许使用任何字符。

我想像这样匹配最长的模式。

到目前为止，我有这个:

>>> m = re.match(".*(?P<grp>.+).*(?P=grp).*", "dhiblhip")
>>> m.group('grp')
'i'

我认为这是匹配最后一个重复的子字符串 'i' ，但这肯定不是最长的。我希望以下输入的输出如下:

'123abc' -> ''

'hh' -> 'h'

'hihi' -> 'hi'

'dhiblhip' -> 'hi'

'phiblhip' -> 'hi'(注意我是如何不返回 'p' 因为它没有 'hi' 长，即使它是一个重复的不相交子串。)

'racecaracecar' -> 'raceca'(注意我不能回收中间的 r 。)在这种情况下，'acecar' 也是可以接受的。

我正在使用 Python 的 re 并希望继续这样做，但另一种语言的答案并不受欢迎。

最佳答案

归功于@HamZa 的实际正则表达式: (.+)(?=.*\1) 。这基本上会找到一个包含至少一个字符的捕获组，然后进行非捕获前瞻以确保它重复(这样python 找不到重叠匹配就不会有问题)。

虽然单独使用正则表达式不可能找到最大的，但编写起来非常简单

matches = re.findall(r'(.+)(?=.*\1)',yourstring)
largest = '' if not matches else max(matches,key=lambda m:len(m))

关于python - 正则表达式查找出现两次的最长子字符串(并且与其孪生不相交)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/23437646/