regex用于在字符串中重复单词以替换Python中的单词

Question

如何仅用一个副本替换字符串中的重复单词？

例如：

hi hi hello hello hello bye bye bye bye 

应该变成：

hi hello bye 

我的代码：

import re
s = "hi hi hello hello hello bye bye bye bye"
m=re.sub(r'(?<!\S)((\S+)(?:\s+\2))(?:\s+\2)+(?!\S)', r'\2', s)
print m

输出：

hi hi hello bye

Answer 1

您可以使用：

re.sub(r'\b(\S+)(?: \1)+\b', r'\1', s)

\\b转义符是一个零宽度的匹配符，用于断字（空格或文本的开头或结尾）。 使用它可以使模式的其余部分正常工作，而不会像goodbye bye或foo foobar被错误地修剪。

模式的内部与一个单词匹配，后跟一个或多个相同单词的重复，并用空格分隔。 整个单词被单词的一个副本代替。