Question

我想挤压字符，为此我编写代码，但我的正则表达式没有用 python代码是：

file1 = open("C:/Python26/Normalized.txt");
normal = re.compile(r'(.)(\1+)')
f1=open("rzlt.txt",'w')
contents1=file1.read();
tokens1 = nltk.word_tokenize(contents1)                    
for t in tokens1:
    t = re.sub(normal,r'\1',t)
    f1.write(t+"\n")
f1.close()

我的文件就像

AA-0
A-aaaa-aaaaaaaaaaa
aaaaaaaa-aaaaaaaa
aaaaaaaaaaaaa-aaaaaa
AA-aaaaa-A
aaaaa-A-aaaa
AAA-0-aaaa-aaaaaaaa-aaaaaa
AAA-0
AAA-0-aaaaaaaa
AAA-0
aaaaaaaa

所需的输出

A-0
A-a-a
a-a
a-a
A-a-A
......

Answer 1

import re
normal = re.compile(r'(.)(\1+)')
with open("Normalized.txt") as file1:
    with open("rzlt.txt", 'w') as f1:
        for line in file1:
            f1.write(normal.sub(r'\1', line))

这会产生输出：

A-0
A-a-a
a-a
a-a
A-a-A
a-A-a
A-0-a-a-a
A-0
A-0-a
A-0
a

注释

要打开文件，请使用with语句。这可以确保文件随后关闭。

Answer 2

没有必要为此目的使用正则表达式，消除重复的最常见方法是将集合转换为集合。但是，正如Shashank评论的那样，对于你正在处理的输入格式，即使没有必要：

for line in file:
  newline = '-'.join(x[0] for x in line.split('-'))

如何在python中挤压字符

2 个答案:

注释