用单个出现替换字符的多个连续出现

Question

我正在用Java开发自然语言处理应用程序，正在使用IMDB和Amazon的数据。

我遇到了某个数据集，其中包含诸如partyyyyy类的partyyyyy 。 这些单词对我的分类算法不利。 因此，我想删除它们并添加party而不是partyyyyyyy 。

我怎样才能做到这一点？

Answer 1

您可以使用regex来查找至少有两次相同字母的字母（因为我们不想删除comma m等正确字母）

String data="stoooooop partyyyyyy";
System.out.println(data.replaceAll("([a-zA-Z])\\1{2,}", "$1"));
//                                       |      |         |
//                                   group 1   match    replace with 
//                                             from     match from group 1
//                                             group 1
//                                             repeated 
//                                           twice or more

输出：

stop party

Answer 2

我所知道的英语单词中没有两个以上连续的相同字母。

1. 遍历所有单词
2. 如果单词具有两个以上连续的相同字母，则：
   • 除去所有重复的字母，但除去两个，然后查看是否形成有效的单词。
   • 否则，请除去一个重复的字母以外的所有字母，然后查看是否形成有效的单词。
   • 否则，失败。

这种方法无法捕获：

• 派对的

• “弯腰”（加上模棱两可！是“停止”加上一个额外的“ o”还是仅仅是“弯腰”）

Answer 3

尝试使用循环，

 String word="Stoooppppd";
    StringBuilder res=new StringBuilder();
    char first=word.charAt(0);
    res.append(first);
    for (int i = 1; i < word.length(); i++) {
        char ch=word.charAt(i);
        if(ch!=first){
           res.append(ch);
        }
       first=ch;
    }
    System.out.println(res);

Answer 4

您可能希望使用\\ p {L} \\ p {M} *而不是[a-zA-Z]来包含非英语的unicode字母。 因此它将像这样： replaceAll("(\\\\p{L}\\\\p{M}*)(\\\\1{" + maxAllowedRepetition + ",})", "$1"); 或以下方式： replaceAll("(\\\\p{L}\\\\p{M}*)\\\\1{" + maxAllowedRepetition + ",}", "$1");

Answer 5

您可以使用此代码段的快速实现。

public static String removeConsecutiveChars(String str) {

        if (str == null) {
            return null;
        }

        int strLen = str.length();
        if (strLen <= 1) {
            return str;
        }

        char[] strChar = str.toCharArray();
        char temp = strChar[0];

        StringBuilder stringBuilder = new StringBuilder(strLen);
        for (int i = 1; i < strLen; i++) {

            char val = strChar[i];
            if (val != temp) {
                stringBuilder.append(temp);
                temp = val;
            }
        }
        stringBuilder.append(temp);

        return stringBuilder.toString();
    }