熊猫单词中重复的元音和辅音

Question

我有以下数据集：

a_df = pd.DataFrame({'id':[1,2,3,4,5],'text':['This was fuuuuun','aaaawesome','Hiiigh altitude','Oops','See you']})

a_df
    id  text
0   1   This was fuuuuun
1   2   aaaawesome
2   3   Hiiigh altitude
3   4   Oops
4   5   See you

有些词拼错了。一个适用的规则是，如果我看到三个或更多元音或辅音，那么我可以以某种方式确定有一个拼写错误的单词，所以我用 '' 替换那个重复。

所以我试过这个：

a_df['corrected_text'] = a_df['text'].str.replace(r'([a-zA-Z])\\3+','')

但是没有变化。我的逻辑是尝试捕获重复的字母，但我一定做错了什么。请，任何帮助将不胜感激。

Answer 1

让我们尝试用 '' 替换每三个连续的元音，如下所示

a_df['text'].str.replace('([aeiou]{3})','', regex=True)

Answer 2

你可以使用

a_df['text'] = a_df['text'].str.replace(r'([a-zA-Z])\1{2,}', r'\1', regex=True)

详情：

• ([a-zA-Z]) - 捕获 ID 为 1 的组
• \1{2,} - Group 1 值出现两次或更多（因此，三个或更多字母与前一个模式一起出现）（\1 是对 Group 1 值的替换反向引用，请确保在 raww 字符串文字中使用它，否则您必须使用双反斜杠）。