Question

我使用Html-Agility-Pack从某些网站中提取信息。在此过程中，我以string的形式获取数据，并在程序中使用该数据。

有时，我获得的数据包含单个string中的多个详细信息。正如这部电影的名字＆＃34; Dog Eats Dog（2012）（2012）＆＃34; 。该名称应该是＆＃34; Dog Eats Dog（2012）＆＃34; 而不是第一个。

以上是许多人的一个例子。为了解决问题，我尝试使用string.Distinct()方法，但它会删除string中的所有重复字符，如上例所示，它会返回＆＃34; Dog Eats（2012）＆＃34; 即可。现在它通过删除第二个（2012）解决了我的初始问题，但通过更改实际标题创建了一个新问题。

我认为我的问题可以通过Regex来解决，但我不知道如何在这里使用它。据我所知，如果我使用Regex，它会告诉我string根据定义的Regex代码存在重复的项目。

但我如何删除它？可以有string喜欢＆＃34; Meme 2013（2013）（2013）＆＃34;。现在实际的标题是＆＃34; Meme 2013＆＃34;与年份（2013年）和重复年份（2013年）。即使我得到bool值表明string有重复年份，我也无法想到任何方法来实际删除重复的substring。

重复的年份总是在string的末尾。那么我应该使用Regex来确定该字符串实际上有两年，如（2012）（2012）？

如果我能够正确识别string包含重复内容，我可以使用string.LastIndexOf()尝试删除重复的部分。如果有更好的方法，请告诉我。

感谢。

Answer 1

正确的正则表达式为"( \(\d{4}\))\1+"。

string pattern = @"( \(\d{4}\))\1+";
new Regex(pattern).Replace(s, "$1");

此处示例：https://repl.it/Evcy/2

说明：
捕获一个＆＃34; （DDDD）＆＃34;阻止，并删除所有以下相同的 ( \(\d{4}\))执行捕获，\1+找到捕获块的任何非空序列

最后，仅用初始块替换初始块及其副本。

Answer 2

这个正则表达式允许任何空格模式，甚至没有，如(2013)(2013)

`@"(\(\d{4}\))(?:\s*\1)+"`

我有一个演示here

数字和特殊字符的正则表达式 - C＃

2 个答案: