通過正則表達式匹配連續重復的單詞

Question

我想在字符串中找到一個替換重復單詞，但前提是它們彼此相鄰或由空格分隔。 例如：

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

但不是

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

我試過這個：

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

但它會為最后一個測試選項提供錯誤的結果。

你能幫我解決這個問題嗎？

Answer 1

您可以使用

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

請參閱正則表達式演示。 詳情：

• (<number>) - 第 1 組：一個<number>字符串
• (?:\s*<number>)+ - 一次或多次出現以下模式序列：
  • \s* - 零個或多個空格
  • <number> - <number>字符串

\1是對 Group 1 值的替換反向引用。

Python 測試：

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*)捕獲組 1 ，匹配<number>后跟可選字符
• {2,}重復 2 次或更多次

在替換使用組 1 中。

正則表達式演示

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