用於檢查捕獲組之間的子字的正則表達式

Question

談到正則表達式，我面臨的問題是在組合單詞的開頭部分替換連字符。

例如：

wo-wo-wo-wonder -> wonder hi-hi-hi-hi -> hi wo-wo-wo -> wo fff-fight

因此，對於文本中的每個單詞，我想要替換在主要單詞（ wonder ）之前對主要單詞（ wo-wo-wo ，還有wonder-wonder-wonder ）進行部分或完全重復之前的單詞。 同時，必須不替換bi-linear或pre-trained組合詞，因為在這種情況下，連字符（pre）不是主詞（train）的一部分。

我已經看到了這個解決方案[ Python發現所有出現的帶連字符的單詞並在位置上替換 ]並且顯然它可以是一個很好的解決方案。 但我的問題是完全不同的，因為我不想對連字的長度施加限制，同時我想檢查連字符是主要單詞的一部分。

這是我實際使用的正則表達式，但正如所解釋的，它並沒有解決我的全部問題。

re.sub(r'(?<!\S)(\w{1,3})(?:-\1)*-(\w+)(?!\S)', '\\2', s)

Answer 1

使用

r'(?<!\S)(\w+)(?:-\1)*-(\1)'

要么

r'\b(\w+)(?:-\1)*-(\1)'

請參閱正則表達式演示

細節

• (?<!\\S) - 空白邊界（如果你使用\\b ，一個單詞邊界）
• (\\w+) - 第1組：任何一個或多個單詞字符
• (?:-\\1)* - 0和更多次重復-和組1值
• - - 連字符
• (\\1) - 第2組：與第1組相同的值。

Python示例re.sub ：

s = re.sub(r'(?<!\S)(\w+)(?:-\1)*-(\1)', r'\2', s)