Question

我有一个文本句子列表，并且有很多单词，例如aaaaa，zzzzz，eeer，qqqqqqq ...

我正在寻找一种将其从我的文本句子中删除的方法。

text = I'm a really good aaaaaa eeeeer jjjjj llll bb

我不知道可以使用什么正则表达式，因此可以完全删除这些单词。像

这样的边缘情况

1) aaaaae (you will have one another character at the end)
2) brrrrrr (another character at the beginning)

我正在寻找这样的输出

text = I'm really good

我只是不知道该怎么做。

Answer 1

\b(?:\w(\w)\1+|(\w)\2+\w|(\w)\3+)\b

https://regex101.com/r/iDVkRT/1

 \b 
 (?:
      \w 
      ( \w )                        # (1)
      \1+ 
   |  ( \w )                        # (2)
      \2+ \w 
   |  ( \w )                        # (3)
      \3+ 
 )
 \b

Answer 2

import re 

text = "I'm a really good aaaaaa eeeeer jjjjj llll bb"
out = re.sub(r"\w*(.)\1{3,}\w*", r"", text)
print(out)
>> I'm a really good     bb

因此，此RegEx将查找具有3个重复或更多重复字符的字符串，即使它位于字符串的开头，中间或结尾。

r'\ s（。）\ 1 {1，} \ s“可能会捕获类似“ bb”的东西

Answer 3

re.sub(r'\s\b(\S)\1+\S*','',text)

"I'm a really good"

编辑：从评论开始。看来其他单词的用法有所不同：

 re.sub(r'\s\S*(.)(?:\1{2,}\S*|\1+\b\S*)','',text)

如何从文本句子中删除重复字符？

3 个答案: