正则表达式删除重复的字符和组合

Question

我有一个字符串，其中包含在其末尾具有重复字符的单词。这些字符可能是这样的组合：

• 单词xxxx

• 字xyxyxy

• wordxyzxyzxyz

例如：

string = "Thisssssssss isisis echooooooo stringggg。替换符号 sss 的重复组 sss"

我找到了一种方法来替换一些重复的组合，这样：

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

我得到这些结果：

这是 echooo 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。您需要添加?到捕获组中，以便它尽可能少地匹配（“惰性匹配”而不是尽可能多地匹配的默认“贪婪”行为）。我还使用了+instead of{1,3}因为限制重复似乎是3任意的。您可以观察两种行为之间的区别：贪婪与懒惰。注意：贪婪的行为被视为aaaa而aa * 2不是a * 4贪心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))产出Thisisechostring.Replacerepeatedgroupsofsymbols

Answer 2

一个班轮解决方案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