Question

关于正则表达式，我面临着替换组合词开头的连字符的问题。

例如：

wo-wo-wo-wonder -> wonder hi-hi-hi-hi -> hi wo-wo-wo -> wo f-f-f-fight

因此，对于文本中的每个单词，我想替换在主要单词（wonder之前具有部分或全部重复的主要单词（wo-wo-wo以及{{1 }}）。同时，不得替换诸如wonder-wonder-wonder或bi-linear之类的组合词，因为在这种情况下，连字符（pre）不属于主要词（train）的一部分。

我已经看到了此解决方案[Python find all occurrences of hyphenated word and replace at position]，显然，它可以是一个很好的解决方案。但是我的问题完全不同，因为我不想对连字符的长度施加限制，同时我想检查连字符是否是主词的一部分。

这是我实际使用的正则表达式，但是如前所述，它不能解决我的全部问题。


pre-trained

Answer 1

使用

r'(?<!\S)(\w+)(?:-\1)*-(\1)'

或

r'\b(\w+)(?:-\1)*-(\1)'

请参见regex demo

详细信息

(?<!\S)-空格边界（如果使用\b，则是单词边界）
(\w+)-第1组：任何一个或多个单词字符
(?:-\1)*--和第1组值的重复次数为0或更多
--连字符
(\1)-第2组：与第1组相同的值。

Python示例re.sub：

s = re.sub(r'(?<!\S)(\w+)(?:-\1)*-(\1)', r'\2', s)

用于检查捕获组之间子词的正则表达式

1 个答案: