用Python压缩字符

Question

我该如何用Python来实现这个功能呢：

假设我有一个这样的字符串：

A..a.b.c

我想把它变成这样：

A.a.b.c

但是我事先不知道里面有多少个点？

这就像Linux中的tr -s功能。

Answer 1

正则表达式替换功能很擅长找到一些特定的模式（比如重复的点），然后把这些模式替换成其他东西（比如用一个点替代多个点）：

>>> import re
>>> re.sub(r'\.+', '.', 'A..a.b.c')
'A.a.b.c'

Answer 2

如果你想要一个通用的格式，把任何重复的字符序列替换成只保留一个这样的字符：

>>> import re
>>> s='aaa,,bb,c'
>>> re.sub(r'(.)(\1+)', r'\1', s)
'a,b,c'

如果你只想限制某些特定的字符：

>>> re.sub(r'([\w])(\1+)', r'\1', s)
'a,,b,c'
>>> re.sub(r'([,])(\1+)', r'\1', s)
'aaa,bb,c'

还有你的例子：

>>> s='A..a.b.c'
>>> re.sub(r'([.])(\1+)', r'\1', s)
'A.a.b.c'

Answer 3

你想把连续出现的两个或更多的点替换成一个点。可以这样做：

>>> import re
>>> re.sub(r'\.\.+', '.', 'A..a.b.c')
'A.a.b.c'

你不想也不需要把连续出现的一个或多个点替换成一个点。

>>> re.sub(r'\.+', '.', 'A..a.b.c')
'A.a.b.c'

这样做虽然也能得到相同的结果，但会多余地替换掉单个的点（在你的例子中有3个），因此速度会慢很多。

时间记录：

python -mtimeit -s"import re;subber=re.compile(r'\.+').sub;s=1000*'a.'" "subber('.',s)"
1000 loops, best of 3: 212 usec per loop

python -mtimeit -s"import re;subber=re.compile(r'\.\.+').sub;s=1000*'a.'" "subber('.',s)"
10000 loops, best of 3: 23.2 usec per loop