正则表达式删除重复的字符和组合

Question

我有一个字符串，它由末尾有重复字符的单词组成。 这些字符可能是这样的组合：

• 字xxx
• 词xyxy
• 词xyzxyzxyz

例如：

string = “Thissssssss isisisis echooooooo stringggg。替换aceaceace重复的符号组ssssss”

我找到了一种方法来替换一些重复的组合，这样：

re.sub(r'([az]{1,3})\1+', r'\1', string)

我得到这些结果：

Thisss 是 echoooo stringg。 替换重复的符号组

我应该如何更改正则表达式以删除所有重复的字符及其组合？

Answer 1

您的正则表达式几乎是正确的。

• 你需要添加? 到捕获组，因此它尽可能少地匹配（“惰性匹配”而不是尽可能匹配的默认“贪婪”行为）。

• 我还使用+而不是{1,3}因为将重复限制为3似乎是任意的。

• 您可以观察两种行为之间的区别：贪婪与懒惰。 注意：

  1. 贪婪行为将aaaa视为aa * 2而不是a * 4

  2. 贪婪行为仅适用于偶数长度的重复。 aaaaa被视为

     aa * 2 + a因此替换结果将是aaa而不是a 。

for word in "Thisssssssss isisisis echooooooo stringggg. Replaceaceaceace repeatedededed groupssss of symbolssss".split():
    print(re.sub(r'([a-z]+?)\1+', r'\1', word))

输出

This
is
echo
string.
Replace
repeated
groups
of
symbols

Answer 2

一班轮解决方案

string = "Thisssssssss isisisis echooooooo stringggg. Replaceaceaceace repeatedededed groupssss of symbolssss"
print(re.sub(r'([a-z]+?)\1+', r'\1', string))
#This is echo string. Replace repeated groups of symbols