Заменить последовательность одинаковых символов

Question

Каков самый быстрый способ в Python заменить последовательность из 3 и более одинаковых символов в тексте utf-8? Мне нужно заменить последовательность из 3 и более одинаковых символов точными 2 символами. I.e.

aaa -> aa 
bbbb -> bb 
abbbcd -> abbcd 
124xyyyz3 -> 124xyyz3 

Answer 1

Вы можете использовать регулярное выражение:

import re 
re.sub(r'(.)\1{2,}', r'\1\1', 'bbbbbaaacc') 

шаблона захватывает любой символ следует такому же характер, повторяется два или более раз и соответствует этому подстроке. Замена заменяет подстроку с двумя буквами захваченного символа. Точка не заменит повторяющиеся новые строки, используйте (.|\n) или re.DOTALL флаг для этого.

Он работает с Unicode тоже:

re.sub(r'(.)\1{2,}', r'\1\1', u'жжж') 

И если у вас есть строка переменной x, содержащий UTF-8 текст, используйте x.decode('utf-8').

Answer 2

>>> import re 
>>> re.sub(r'(\w)\1{2,}', r'\1\1', 'aaa') 
'aa' 
>>> re.sub(r'(\w)\1{2,}', r'\1\1', 'bbbb') 
'bb' 

Answer 3

Хотя для этого конкретного случая, я бы пойти на регулярное выражение, вы также могли бы сделать это общим для оператора на произвольные последовательности, например:

from itertools import groupby, chain, islice 

s = 'abaaaaaabbbbbbbbcdcddddde' 
print ''.join(chain.from_iterable(islice(g, 2) for k, g in groupby(s))) 
# abaabbcdcdde