Question

如果我有输入句子

input = 'ok ok, it is very very very very very hard'

我想做的是仅保留任何重复单词的前三个副本：

output = 'ok ok, it is very very very hard'

如何使用python中的re或regex模块实现这一目标？

Answer 1

一种选择是使用具有反向引用的捕获组，并将其用于替换。

((\w+)(?: \2){2})(?: \2)*

说明

(捕获组1
- (\w+)捕获组2，匹配1个以上的字符，字符（示例数据仅使用单词字符。要确保它们不属于较大的单词，请使用单词边界\b）
- (?: \2){2}重复2次，以匹配一个空格和向组2的反向引用。您可以使用[ \t]+来匹配1个以上的空格或制表符，也可以使用\s+来匹配2个空格或制表符1个以上空白字符。（请注意，这也将与换行符匹配）
)关闭第1组
(?: \2)*匹配0+乘以空格和指向组2的后向引用，以匹配要删除的相同单词

Regex demo | Python demo

例如

import re

regex = r"((\w+)(?: \2){2})(?: \2)*"
s = "ok ok, it is very very very very very hard"
result = re.sub(regex, r"\1", s)

if result:
    print (result)

结果

ok ok, it is very very very hard

Answer 2

您可以对单词进行分组，并使用向后引用来引用它，以确保重复两次以上：

import re
print(re.sub(r'\b((\w+)(?:\s+\2){2})(?:\s+\2)+\b', r'\1', input))

这将输出：

ok ok, it is very very very hard

Answer 3

具有re.sub和自定义功能的一种解决方案：

s = 'ok ok, it is very very very very very hard'

def replace(n=3):
    last_word, cnt = '', 0
    current_word = yield

    while True:
        if last_word == current_word:
            cnt += 1
        else:
            cnt = 0

        last_word = current_word

        if cnt >= n:
            current_word = yield ''
        else:
            current_word = yield current_word

import re

replacer = replace()
next(replacer)
print(re.sub(r'\s*[\w]+\s*', lambda g: replacer.send(g.group(0)), s))

打印：

ok ok, it is very very very hard

如何使用正则表达式仅保留前n个重复的单词

3 个答案: