删除重复的字母，缩写除外答案

【问题标题】：Remove duplicated letters except in abbreviations删除重复的字母，缩写除外
【发布时间】：2020-11-18 20:08:44
【问题描述】：

只要有更多字母，我想从字符串中删除重复的字母。例如，考虑以下列表：

aaa --> it is untouched because all are the same letters
aa  --> it is untouched because all are the same letters
a   --> not touched, just one letter
broom --> brom
school --> schol
boo --> should be bo
gool --> gol
ooow  --> should be ow

我使用以下正则表达式来消除重复项，如下所示：

(?<=[a-zA-Z])([a-zA-Z])\1+(?=[a-zA-Z])

但是，这在字符串boo 中失败，该字符串保留为原始boo，而不是删除双o。 oow 也会发生同样的情况，它不会简化为 ow。

你知道为什么boo 不被正则表达式占用吗？

【问题讨论】：

gogol、gogool、googol 和 googool 的输出应该是什么？
应该都是果戈理。重复项仅适用于一个字母

标签： python python-3.x regex regex-lookarounds

【解决方案1】：

您可以将由相同字符组成的整个单词匹配并捕获到一个捕获组中，然后在所有其他上下文中匹配重复的连续字母，并相应地替换：

import re
text = "aaa, aa, a,broom, school...boo, gool, ooow."
print( re.sub(r'\b(([a-zA-Z])\2+)\b|([a-zA-Z])\3+', r'\1\3', text) )
# => aaa, aa, a,brom, schol...bo, gol, ow.

请参阅Python demo 和regex demo。

正则表达式详细信息

\b - 单词边界
(([a-zA-Z])\2+) - 第 1 组：一个 ASCII 字母（捕获到第 2 组），然后出现一个或多个相同字母
\b - 单词边界
| - 或
([a-zA-Z]) - 第 3 组：捕获到第 3 组的 ASCII 字母
\3+ - 在第 3 组中捕获的字母出现一次或多次。

替换是第 1 组和第 3 组值的串联。

要匹配任何 Unicode 字母，请将 [a-zA-Z] 替换为 [^\W\d_]。

【讨论】：

【解决方案2】：

您的正则表达式不匹配 boo，因为它会搜索前后至少有一个不同字符的重复项。

一种可能性是制作一个更简单的正则表达式来捕获所有重复项，然后如果结果是一个字符则恢复

def remove_duplicate(string):
    new_string = re.sub(r'([a-zA-Z])\1+', r'\1', string)
    return new_string if len(new_string) > 1 else string

这是一个没有正则表达式的可能解决方案。它更快，但它也会删除重复的空格和标点符号。不仅仅是字母。

def remove_duplicate(string):
    new_string = ''
    last_c = None
    for c in string:
        if c == last_c:
            continue
        else:
            new_string += c
            last_c = c
    if len(new_string) > 1:
        return new_string
    else:
        return string

【讨论】：