Python Challenge 第10关(正则表达式)

这一关乍一看很像行测题

给了一个未完成的序列，让推断第31个数的长度，瞪了好久怎么也没发现给出的这5个数字有什么关系。。。百度。。。原来每个数都是对前一个数的描述。如1,11,21,1211，那1211的意思就是前一个数有1个2，1个1。规律找到程序就不难写了。

然后一个丑陋的程序就诞生了：

elem='1'
for index in range(1,31):
    newelem=''
    pos=0
    while pos<len(elem):
        beg=elem[pos]
        count=0
        while pos<len(elem) and elem[pos]==beg:
            pos+=1
            count+=1
        newelem+=str(count)+beg
    elem=newelem
print len(elem)

逻辑之复杂，一点也不pythonic。

看看答案。。。原来这是一个正则表达式的问题。可以简单的描述为寻找包含连续的相同的数字序列的问题。如1113334555，找到其中的111，333，4，555。

答案如下：

import re
def describe(s):
    return "".join([str(len(m.group(0))) + m.group(1) for m in re.finditer(r"(\d)\1*", s)])
s = "1"
for dummy in range(30):
    s = describe(s)
print len(s)  # prints 5808

上述代码中不熟悉的有3块：

1、group的用法

2、finditer函数

3、正则表达式的写法:r"(\d)\1*"

OK，一点一点的来。先看group。

在正则表达式中引入分组的目的是为了匹配多个字符的重复情况，比如匹配abcabcabc这样的。python里关于group有以下几个函数：

group()==group(0)：这两个函数都是为了获取整个成功匹配的字符串，跟括号没关系。

group(index)：返回匹配第index个group的字符串。这句话乍一看没问题，仔细琢磨就觉得有歧义了。首先index是从1开始的，那么:

m=re.search(r"(\d\d)+","12345678")
print m.group()
print m.groups()
print m.group(1)

输出是什么呢？

第一条语句输出“12345678”，还是说跟括号无关，第二条语句输出("78",)，不用说第三条语句就是输出“78”了。

(\d\d)并没有12345678分成四组，而是只匹配了最后的78，也就是说在这次匹配中因为只有一对小括号，所以只有一个group，而这个个group还是记录最后一次匹配成功的结果。

groups()：输出的就是一个元组，即(group(1),group(2),...)。findall函数得到的groups的序列，比如：

>>> rst=re.search('(\d\w)(\w\d)','1dd21fg2')
>>> rst.group()
'1dd2'
>>> rst.groups()
('1d', 'd2')
>>> re.findall('(\d\w)(\w\d)','1dd21fg2')
[('1d', 'd2'), ('1f', 'g2')]

finditer函数和findall有点类似，只不过findall输出的是匹配成功的字符串(或元组)的list，而finditer输出的匹配成功的对象的迭代器。相对于search得到一个结果，findall和finditer得到所有的匹配结果。

最后一个是“奇怪”的正则表达式的写法，这个\1的意思是前面所出现的第一个group，自然(\d)\1*就表示重复出现的数字，另外，不要忘了最前面的小r。