删除所有出现的指定 substring，甚至是重叠的

Question

例如，源字符串是“appleappleapplebanana”，我想删除的模式是“appleapple”。

我希望它删除所有“appleapple”，即使它们重叠，这样只剩下“banana”。

appleappleapplebanana
^^^^^^^^^^              <-first  occurrence
     ^^^^^^^^^^         <-second occurrence     

如果我使用 replaceAll，结果是“applebanana”，因为删除第一个后，剩下的部分只是“applebanana”。

预期成绩：

输入	图案	结果
“苹果香蕉”	“苹果苹果”	“香蕉”
“苹果香蕉”	“苹果苹果”	“香蕉”
“苹果苹果香蕉”	“苹果苹果”	“香蕉”
“苹果香蕉”	“苹果苹果”	“苹果香蕉”
“aaabbbaaabbbaaa”	“aaabbbaaa”	“”（空字符串）

我需要处理任意输入模式，因此仅使用replace("apple")是行不通的。

虽然我对此有一个想法：

1. 获取所有事件（使用 KMP 之类的东西）
2. 将相应字符标记为“待删除”
3. 删除标记字符

但是，我想知道是否有更好的（现成的）方法来实现这一目标。

我最终使用上面的想法制作了自己的 function，因为似乎没有公共库或包似乎支持此功能。

Answer 1

起初这个问题有点令人困惑。 更新后，我认为最好提供的示例来说明问题是匹配aaabbbaaabbbaaa中的“模式” aaabbbaaa 。

aaabbbaaabbbaaa
aaabbbaaa
      aaabbbaaa
      ^-^        < overlapping part
^-------------^  < match this part: 'aaa' is overlapping

如果正则表达式中可以使用“模式”字符串的长度，则可以使用后视：

.{1,9}(?<=aaabbbaaa)

这个正则表达式（演示）将匹配从一个到字符串长度的字符，只要aaabbbaaa在后面。 所以这将匹配aaabbbaaa但也匹配bbbaaa ，因为最后一个a之前也有aaabbbaaa ，并且由于长度限制，它不会跳过任何其他 substring。它还将匹配aaabbbaaaaaabbbaaa中的非重叠，但将例如ccc留在aaabbbaaacccaaabbbaaa中。

tio.run 上的 Java 演示包含长度：

String regex = ".{1," + pat.length() + "}(?<=" + pat + ")";
Pattern p = Pattern.compile(regex);
String result = p.matcher(str).replaceAll("");

对于较长的输入，可以更有效地添加前瞻以开始匹配并将后视部分包装到重复组中，至少重复一次：

(?=aaabbbaaa)(?:.{1,9}(?<=aaabbbaaa))+

这几乎可以将性能提高一倍（演示），但与没有 .相比，较短的字符串效率较低。 此外，如果输入包含非单词字符，您可以使用\w （单词字符）代替点。

Answer 2

从技术上讲，这是重叠的。

appleapple
     appleappleappleapple
                    appleapple

而且，这是重复的。

appleapple
     appleapple
          appleapple

虽然，您可以将后者称为重叠.
从本质上讲，这不是被认为具有重复质量的模式的属性。
在那一点上它是固有的——多余的——它只是一个描述。

除了String#replace之外，还有String#replaceAll 。
它使用正则表达式模式作为第一个参数。

您可以使用以下模式来替换重叠的重复值。

(apple)\1+

replaceAll("(apple)\\1+", "")

我不确定是否有办法使用单一模式删除重叠值。
我想这会复杂得多。

您提到“...将相应字符标记为‘待删除’” 。
这很可能是删除真正重叠值的合乎逻辑的方法。