删除重复文本答案

【问题标题】：Remove Repeated Text删除重复文本
【发布时间】：2013-08-20 18:52:47
【问题描述】：

有人可以修改此正则表达式以删除示例中的单词吗：

这不适用于下面的额外内容：(<.+?\/>)(?=\1)

<text><text>extra<words><text><words><something>

应该变成：

<text>extra<words><something>

谢谢

【问题讨论】：

你的逻辑是什么？您想删除除每个<tag> 的第一次出现之外的所有内容吗？而且，非常重要的是，您想在哪种语言中使用此模式？
我会使用正则表达式来匹配一个模式（正则表达式的目的），然后如果数组不包含匹配项，则将其添加到数组中。然后我会为输出内爆数组。可能还有其他方法，但我认为对于任何方法，正则表达式都是解决方案的组成部分，而不是解决方案。

标签： regex

【解决方案1】：

这是我使用lookbehinds和back references想出的：

(<[^>]+>)(?<=\1.*\1)

这将匹配<tag> 的任何实例，该实例前面至少有一个相同<tag> 的其他实例。

例如，在 C# 中使用它：

var input = "<text><text>extra<words><text><words><something>";
var output Regex.Replace(input, @"(<[^>]+>)(?<=\1.*\1)", "");
Console.WriteLine(output); // <text>extra<words><something>

但是，这不适用于许多正则表达式。例如，JavaScript 不支持lookbehinds。

【讨论】：