删除一行中特定单词的重复

Question

例如我有一个字符串：

my_str = 'my example example string contains example some text'

我想要做的 - 删除特定单词的所有重复项（仅当它们连续出现时）。结果：

my example string contains example some text

我尝试了下一个代码：

import re
my_str = re.sub(' example +', ' example ', my_str)

或

my_str = re.sub('\[ example ]+', ' example ', my_str)

但它不起作用。 我知道有很多关于 re 的问题，但我仍然无法将它们正确地应用到我的案例中。

Answer 1

您需要创建一个组并对其进行量化：

import re
my_str = 'my example example string contains example some text'
my_str = re.sub(r'\b(example)(?:\s+\1)+\b', r'\1', my_str)
print(my_str) # => my example string contains example some text

# To build the pattern dynamically, if your word is not static
word = "example"
my_str = re.sub(r'(?<!\w)({})(?:\s+\1)+(?!\w)'.format(re.escape(word)), r'\1', my_str)

见Python demo

我添加了单词边界，因为 - 根据原始代码中的空格判断 - 预期会匹配整个单词。

见regex demo here：

• \b - 单词边界（替换为 (?<!\w) - 在允许当前位置之前没有单词字符 - 在动态方法中，因为 re.escape 也可能支持“单词”，例如 .word. 然后 \b 可能会停止正则表达式来自匹配）
• (example) - 第 1 组（与替换模式中的 \1 一起引用）： example 字
• (?:\s+\1)+ - 出现 1 次或多次
  • \s+ - 1+ 个空格
  • \1 - 对 Group 1 值的反向引用，即 example 字
• \b - 单词边界（替换为 (?!\w) - 当前位置后不允许出现单词字符）。

请记住，在 Python 2.x 中，如果您需要使 \b 字边界识别为 Unicode，则需要使用 re.U。

Answer 2

正则表达式：\b(\w+)(?:\s+\1)+\b 或\b(example)(?:\s+\1)+\b 替换：\1

详情：

• \b 在单词边界处断言位置
• \w 匹配任意单词字符（等于[a-zA-Z0-9_]）
• \s 匹配任何空白字符
• + 匹配一次到无限次
• \1 第 1 组。

Python 代码：

text = 'my example example string contains example some text'

text = re.sub(r'\b(\w+)(?:\s+\1)+\b', r'\1', text)

输出：

my example string contains example some text

Code demo

Answer 3

您也可以在纯 Python（没有 regex）中执行此操作，方法是创建一个单词列表，然后生成一个新的 string - 应用您的规则。

>>> words = my_str.split()
>>> ' '.join(w for i, w in enumerate(words) if w != words[i-1] or i == 0)
'my example string contains example some text'

Answer 4

为什么不使用 .replace 函数：

my_str = 'my example example string contains example some text'
print my_str.replace("example example", "example")