通过正则表达式匹配连续重复的单词

Question

我想在字符串中找到一个替换重复单词，但前提是它们彼此相邻或由空格分隔。 例如：

"<number> <number>" -> "<number>"
"<number><number>"-> "<number>"

但不是

"<number> test <number>" -> "<number> test <number>"

我试过这个：

import re
re.sub(f"(.+)(?=\<number>+)","", label).strip()

但它会为最后一个测试选项提供错误的结果。

你能帮我解决这个问题吗？

Answer 1

您可以使用

re.sub(r"(<number>)(?:\s*<number>)+",r"\1", label).strip()\

请参阅正则表达式演示。 详情：

• (<number>) - 第 1 组：一个<number>字符串
• (?:\s*<number>)+ - 一次或多次出现以下模式序列：
  • \s* - 零个或多个空格
  • <number> - <number>字符串

\1是对 Group 1 值的替换反向引用。

Python 测试：

import re
text = '"<number> <number>", "<number><number>", not "<number> test <number>"'
print( re.sub(r"(<number>)(?:\s*<number>)+", r'\1', text) )
# => "<number>", "<number>", not "<number> test <number>"

Answer 2

您可以使用

(<number>\s*){2,}

• (<number>\s*)捕获组 1 ，匹配<number>后跟可选字符
• {2,}重复 2 次或更多次

在替换使用组 1 中。

正则表达式演示

import re

strings = [
    "<number> <number>",
    "<number><number>",
    "not <number> test <number>",
    " <number>   <number><number>  <number>     test"
]

for s in strings:
    print(re.sub(r"(<number>\s*){2,}", r"\1", s))

Output

<number>
<number>
not <number> test <number>
 <number>     test