Question

我正在处理一个问题，以规范化单词和句子。

例如Yahoooo - ＆gt; YAHO

Yeeeesssss - ＆gt;是，

hahahahahaha - ＆gt;公顷

hello world hello world hello world - ＆gt;你好世界

基本上任何超过2次的模式都需要标准化为一次。

编辑1：根据以下问题，我添加了更多案例

＆＃34;你好世界你好你好heheheheheheheheheh＆＃34; - ＆＃34;你好世界你好你好他＆＃34;。

＆＃34;你好世界你好世界你好世界＆＃34; - ＆＃34;你好世界＆＃34;。

＆＃34; aaabbb aaabbb aaabbb＆＃34; - ＆＃34; ab ab ab＆＃34; - ＆＃34; ab＆＃34; （最终输出）。

所以＆gt; 2次出现是条件，应该应用所有过滤器（unigram，bigram，trigram直到让5sms表示）。

Answer 1

您可以使用以下代码：

string input = @"hello world hello hello hehehehehehehehehe aaabbb aaabbb aaabbb";

while(input.Length != (input = Regex.Replace(input, @"(.+)\1{2,}", "$1")).Length);

Console.WriteLine(input);

使用正则表达式(.+)\1{2,}表示匹配一个或多个重复两次或多次的字符。它产生以下输出：

hello world hello hello he ab

Run it live

如何删除字符串C＃/ Regex中连续出现的模式

1 个答案: