删除重复文本

Question

有人可以修改此正则表达式以删除单词，例如：

这不适用于下面的额外内容：(<.+?\/>)(?=\1)

<text><text>extra<words><text><words><something>

应该变成：

<text>extra<words><something>

由于

Answer 1

这就是我使用lookbehinds和back-reference提出的：

(<[^>]+>)(?<=\1.*\1)

这将匹配<tag>的任何实例，其前面至少有一个同一<tag>的其他实例。

例如，要在C＃中使用它：

var input = "<text><text>extra<words><text><words><something>";
var output Regex.Replace(input, @"(<[^>]+>)(?<=\1.*\1)", "");
Console.WriteLine(output); // <text>extra<words><something>

然而，这在许多正则表达式中都不起作用。例如，JavaScript不支持lookbehinds。