Cómo reemplazar instancias repetidas de un carácter con una instancia única de ese carácter en python

Question

Quiero reemplazar instancias repetidas del carácter "*" dentro de una cadena con una sola instancia de "*". Por ejemplo, si la cadena es "***abc**de*fg******h", quiero que se convierta a "*abc*de*fg*h".

estoy bastante nuevo en Python (y la programación en general) y trató de usar expresiones regulares y String.Replace() como:

import re  
pattern = "***abc**de*fg******h" 
pattern.replace("*"\*, "*") 

donde \* se supone que reemplazar todas las instancias de la "* " personaje. Pero obtuve: SyntaxError: carácter inesperado después del carácter de continuación de línea.

También trató de manipularlo con un bucle for como:

def convertString(pattern): 
for i in range(len(pattern)-1): 
    if(pattern[i] == pattern[i+1]): 
     pattern2 = pattern[i] 
return pattern2 

pero esto tiene el error en el que sólo imprime "*" porque patrón2 = patrón [i] redefine constantemente lo que es patrón2 ...

Cualquier ayuda sería apreciada.

Answer 1

me gustaría sugerir el uso de la función re module substitución:

import re 

result = re.sub("\*+", "*", "***abc**de*fg******h") 

Te recomiendo la lectura a través del artículo trata de RE y las buenas prácticas. Pueden ser difíciles si no estás familiarizado con ellos. En la práctica, usar cadenas sin formato es una buena idea.

Answer 2

re.sub('\*+', '*', pattern) 

Eso hará.

Answer 3

Expresiones bien regulares sabias que haría exactamente lo que JoshD ha sugerido. Pero una mejora aquí.

Uso -

regex = re.compile('\*+') 
result = re.sub(regex, "*", string) 

Esto habría caché esencialmente su expresión regular. Por lo tanto, el uso posterior de esto en un bucle haría que sus operaciones regex sean rápidas.

Answer 4

sin expresión regular puede utilizar la eliminación general elemento repetido con la comprobación de '*':

source = "***abc**dee*fg******h" 
target = ''.join(c for c,n in zip(source, source[1:]+' ') if c+n != '**') 
print target 

Answer 5

¿qué hay de una manera no regex

def squeeze(char,s): 
    while char*2 in s: 
     s=s.replace(char*2,char) 
    return s 
print squeeze("*" , "AB***abc**def**AA***k") 

Answer 6

La forma ingenua de hacer este tipo de cosas con re es

re.sub('\*+', '*', text) 

que reemplaza carreras de 1 o más asteriscos con un asterisco. Para ejecuciones de exactamente un asterisco, se está ejecutando muy duro solo para permanecer quieto. Mucho mejor es reemplazar carreras de dos o más asteriscos por un solo asterisco:

re.sub('\*\*+', '*', text) 

Esto puede ser bien vale la pena:

\python27\python -mtimeit -s"t='a*'*100;import re" "re.sub('\*+', '*', t)" 
10000 loops, best of 3: 73.2 usec per loop 

\python27\python -mtimeit -s"t='a*'*100;import re" "re.sub('\*\*+', '*', t)" 
100000 loops, best of 3: 8.9 usec per loop 

Nota que re.Sub devolverá una referencia a la cadena de entrada si no ha encontrado coincidencias, lo que ahorrará más desgaste en su computadora, en lugar de una cadena completamente nueva.

Answer 7

Usted escribió:

pattern.replace("*"\*, "*") 

que quería decir:

pattern.replace("\**", "*") 
#    ^^^^ 

Realmente significaba:

pattern_after_substitution= re.sub(r"\*+", "*", pattern) 

que no lo que quería.

Answer 8

Supongamos por este ejemplo que tu personaje es un espacio.

También puede hacerlo de esta manera:

while True: 
    if " " in pattern: # if two spaces are in the variable pattern 
     pattern = pattern.replace(" ", " ") # replace two spaces with one 
    else: # otherwise 
     break # break from the infinite while loop 

Este:

File Type      : Win32 EXE 
File Type Extension    : exe 
MIME Type      : application/octet-stream 
Machine Type     : Intel 386 or later, and compatibles 
Time Stamp      : 2017:04:24 09:55:04-04:00 

se convierte en:

File Type : Win32 EXE 
File Type Extension : exe 
MIME Type : application/octet-stream 
Machine Type : Intel 386 or later, and compatibles 
Time Stamp : 2017:04:24 09:55:04-04:00 

Me parece que esto es un poco más fácil que tener que ensuciar alrededor con el módulo re, que a veces puede ser un poco molesto (creo).

Espero que haya sido útil.

Answer 9

Esto funcionará para cualquier número de asteriscos consecutivos, aunque es posible que deba reemplazar la tilde con alguna otra cadena que sepa que será única en toda la cadena.

string = "begin*************end" 

    string.replace("**", "~*").replace("*~", "").replace("~*", "*").replace("**", "*") 

creo enfoques de expresiones regulares serían generalmente más costoso computacionalmente que esto.