Question

例如我有一个字符串：

mvn clean install

我想做什么 - 删除特定单词的所有重复项（仅当它们连续出现时）。结果：

my_str = 'my example example string contains example some text'

我尝试了下一个代码：

my example string contains example some text

或

import re
my_str = re.sub(' example +', ' example ', my_str)

但它不起作用。我知道有很多关于my_str = re.sub('\[ example ]+', ' example ', my_str)的问题，但我仍然无法正确地实现它。

Answer 1

您需要创建一个组并量化它：

import re
my_str = 'my example example string contains example some text'
my_str = re.sub(r'\b(example)(?:\s+\1)+\b', r'\1', my_str)
print(my_str) # => my example string contains example some text

# To build the pattern dynamically, if your word is not static
word = "example"
my_str = re.sub(r'(?<!\w)({})(?:\s+\1)+(?!\w)'.format(re.escape(word)), r'\1', my_str)

请参阅Python demo

我添加了单词边界 - 通过原始代码中的空格来判断 - 预期整个单词匹配。

请参阅regex demo here：

\b - 字边界（替换为(?<!\w) - 在允许当前位置之前没有字词字符 - 在动态方法中，因为re.escape也可能支持像{{1}这样的“字词”然后.word.可能会阻止正则表达式匹配）
\b - 第1组（来自替换模式的(example)）： \1字
example - 一次或多次出现
- (?:\s+\1)+ - 1+空格
- \s+ - 对第1组值的反向引用，即\1字
example - 字边界（替换为\b - 在允许当前位置后没有字词。）

请记住，在Python 2.x中，如果需要使(?!\w)字边界支持Unicode，则需要使用re.U。

Answer 2

正则表达式：\b(\w+)(?:\s+\1)+\b或\b(example)(?:\s+\1)+\b替换：\1

详细说明：

\b在字边界处断言位置
\w匹配任何单词字符（等于[a-zA-Z0-9_]）
\s匹配任何空格字符
+匹配一次且无限次
\1第1组。

Python代码：

text = 'my example example string contains example some text'

text = re.sub(r'\b(\w+)(?:\s+\1)+\b', r'\1', text)

输出：

my example string contains example some text

Code demo

Answer 3

您也可以在纯Python（没有regex）中执行此操作，方法是创建单词列表，然后生成新的string - 应用您的规则。

>>> words = my_str.split()
>>> ' '.join(w for i, w in enumerate(words) if w != words[i-1] or i == 0)
'my example string contains example some text'

Answer 4

为什么不使用.replace函数：

my_str = 'my example example string contains example some text'
print my_str.replace("example example", "example")

删除连续特定单词的重复

4 个答案: