Python：re.查找最长序列

Question

我有一个随机生成的字符串：

polymer_str = "diol diNCO diamine diNCO diamine diNCO diamine diNCO diol diNCO diamine"

我想找出“diNCO diol”的最长连续出现次数，以及“diNCO diamine”的最长连续出现次数。在上面的例子中，“diNCO diol”最长出现次数是1，而“diNCO diamine”最长出现次数是3。

我该如何使用Python的re模块来实现这个呢？

提前谢谢你。

编辑：
我指的是给定字符串的最长重复次数。所以“diNCO diamine”的最长字符串是3：
diol diNCO diamine diNCO diamine diNCO diamine diNCO diol diNCO diamine

Answer 1

我觉得提问者想要的是最长的连续序列。你可以先找出所有的连续序列，比如：

seqs = re.findall("(?:diNCO diamine)+", polymer_str) 

然后再从中找出最长的那一个。

Answer 2

这段代码是用来处理某种数据的。它可能涉及到一些循环和条件判断，让程序根据不同的情况做出不同的反应。具体来说，代码块里可能有一些变量，这些变量用来存储信息，程序会根据这些信息来执行相应的操作。

在编程中，我们常常需要通过代码来实现一些功能，比如计算、判断或者是数据的处理。这个代码块就是一个例子，展示了如何通过编程来完成这些任务。

如果你对代码的具体内容有疑问，可以逐行分析，看看每一行代码是做什么的，理解它们之间的关系，这样就能更好地掌握编程的基本概念。

import re
pat = re.compile("[^|]+")
p = "diol diNCO diamine diNCO diamine diNCO diamine diNCO diol diNCO diamine".replace("diNCO diamine","|").replace(" ","")
print max(map(len,pat.split(p)))

Answer 3

在这里，我们来详细讲讲 Ealdwulf 的 回答：

关于 re.findall 的使用说明可以在 这里 找到。

def getLongestSequenceSize(search_str, polymer_str):
    matches = re.findall(r'(?:\b%s\b\s?)+' % search_str, polymer_str)
    longest_match = max(matches)
    return longest_match.count(search_str)

这段代码其实可以写成一行，但那样的话就不太容易看懂了。

另一种选择：

如果 polymer_str 非常大，使用 re.finditer 会更节省内存。下面是你可以这样做的方式：

def getLongestSequenceSize(search_str, polymer_str):
    longest_match = ''
    for match in re.finditer(r'(?:\b%s\b\s?)+' % search_str, polymer_str):
        if len(match.group(0)) > len(longest_match):
            longest_match = match.group(0)
    return longest_match.count(search_str)

findall 和 finditer 之间最大的区别是，前者返回的是一个列表，而后者则是逐个处理匹配的对象。此外，使用 finditer 的方法会稍微慢一些。