ננסה את התרגיל הבא: בהינתן טקסט הכולל ספרות כפולות ודברים נוספים, יש לשלוף ממנו רשימה של כל הספרות לא כפילויות.

1. פתרון ראשון: מילון

אז ברור שרק אמרנו רשימה ללא כפילויות וישר אתם חושבים על מילון, ובצדק. הקוד הבא בפייתון מחזיר רק את הספרות הייחודיות מתוך מחרוזת טקסט:

str = '2337332439393 hello world'
filter(lambda x: x.isdigit(), { k: True for k in str }.keys())

# result: ['3', '2', '4', '7', '9']

בעיה אחת בקוד היא שהוא לא שומר על הסדר. דרך אחת לתקן היא להחליף את הרכבת המילון ללולאה רגילה, ולעבור ל OrderedDict. דרך שניה היא לכתוב ביטוי רגולארי.

2. פתרון שני: ביטוי רגולארי

קל למצוא ספרות כפולות בביטוי רגולארי באמצעות Backreference. הביטוי הבא למשל מזהה טקסטים שיש בהם סיפרה כפולה:

re.search(r'([0-9]).*\1', str)

במבט ראשון גם נדמה שאפשר להשתמש בביטוי כדי למצוא את כל הספרות הכפולות, אך התוצאה מפתיעה:

str = '2337332439393 hello world'
re.findall(r'([0-9]).*\1', str)
# result: ['2', '3']

הספרות 2 ו-3 הופיעו, אבל 9 לא נמצאת למרות שמופיעה מספר פעמים. ההסבר הוא ש findall מוצא את כל המופעים ללא חפיפות, ולכן ההתאמה ל-3 תופסת גם את התשיעיות.

כדי לעקוף את הבעיה ולתפוס את כל הספרות הכפולות נשתמש ב Positive Lookahead. הביטוי הבא מחפש סיפרה שאיפשהו אחריה בביטוי יש מופע נוסף שלה, אבל התאמה לביטוי לא כוללת את כל הרצף עד המופע הבא:

str = '2337332439393 hello world'
re.findall(r'([0-9])(?=.*\1)', str)
# result: ['2', '3', '3', '3', '3', '3', '9', '3']

הפעם כבר התקבלו כל הספרות הכפולות. ומה לגבי מטרת התרגיל המקורית? פשוט החליפו את הסימן ל Negative Lookahead ותקבלו את כל הספרות שאחריהן אין מופע נוסף שלהן:

str = '2337332439393 hello world'
re.findall(r'([0-9])(?!.*\1)', str)
# Result: ['7', '2', '4', '9', '3']