นิพจน์ทั่วไปสำหรับคำที่ซ้ำกัน

ฉันเป็นมือใหม่ในการใช้นิพจน์ทั่วไปและฉันไม่สามารถเข้าใจได้ว่าจะเขียนนิพจน์ทั่วไปเพียงคำเดียวที่จะ "จับคู่" คำใด ๆ ที่ซ้ำกันติดต่อกันเช่น:

ปารีสในที่ฤดูใบไม้ผลิ

ไม่ว่าจะเกี่ยวข้องกัน

คุณหัวเราะทำไม? เป็นของฉันแสดงออกปกติที่ไม่ดี ??

มีนิพจน์ทั่วไปเดียวที่จะตรงกับสตริงตัวหนาด้านบนทั้งหมดหรือไม่

ลองใช้นิพจน์ทั่วไปนี้:

\b(\w+)\s+\1\b

นี่\bคือขอบเขตคำและ\1อ้างอิงการจับคู่ที่จับได้ของกลุ่มแรก

ฉันเชื่อว่า regex นี้สามารถจัดการสถานการณ์ต่างๆได้มากขึ้น:

/(\b\S+\b)\s+\b\1\b/

คุณสามารถดูสตริงการทดสอบที่คัดสรรมาอย่างดีได้ที่นี่: http://callumacrae.github.com/regex-t Tuesday/challenge1.html

ลองใช้กับด้านล่าง RE

• \ b จุดเริ่มต้นของขอบเขตคำ
• \ W + อักขระคำใด ๆ
• \ 1 คำเดียวกันที่ตรงกันแล้ว
• \ b ท้ายคำ

• () * ทำซ้ำอีกครั้ง

  public static void main(String[] args) {
  
      String regex = "\\b(\\w+)(\\b\\W+\\b\\1\\b)*";//  "/* Write a RegEx matching repeated words here. */";
      Pattern p = Pattern.compile(regex, Pattern.CASE_INSENSITIVE/* Insert the correct Pattern flag here.*/);
  
      Scanner in = new Scanner(System.in);
  
      int numSentences = Integer.parseInt(in.nextLine());
  
      while (numSentences-- > 0) {
          String input = in.nextLine();
  
          Matcher m = p.matcher(input);
  
          // Check for subsequences of input that match the compiled pattern
          while (m.find()) {
              input = input.replaceAll(m.group(0),m.group(1));
          }
  
          // Prints the modified sentence.
          System.out.println(input);
      }
  
      in.close();
  }
  

ห้องสมุด PCRE ใช้กันอย่างแพร่หลายสามารถจัดการกับสถานการณ์ดังกล่าว (คุณจะไม่ประสบความสำเร็จที่เดียวกันกับเครื่องยนต์ regex POSIX สอดคล้องแม้ว่า):

(\b\w+\b)\W+\1

นิพจน์ด้านล่างควรทำงานได้อย่างถูกต้องเพื่อค้นหาจำนวนคำที่ต่อเนื่องกัน การจับคู่อาจไม่คำนึงถึงตัวพิมพ์เล็กและใหญ่

String regex = "\\b(\\w+)(\\s+\\1\\b)*";
Pattern p = Pattern.compile(regex, Pattern.CASE_INSENSITIVE);

Matcher m = p.matcher(input);

// Check for subsequences of input that match the compiled pattern
while (m.find()) {
     input = input.replaceAll(m.group(0), m.group(1));
}

อินพุตตัวอย่าง: Goodbyebye Goodbye GooDbYe

ตัวอย่างผลลัพธ์: ลาก่อน

คำอธิบาย:

นิพจน์ regex:

\ b: จุดเริ่มต้นของขอบเขตคำ

\ w +: อักขระคำจำนวนเท่าใดก็ได้

(\ s + \ 1 \ b) *: ช่องว่างจำนวนเท่าใดก็ได้ตามด้วยคำที่ตรงกับคำก่อนหน้าและสิ้นสุดขอบเขตของคำ สิ่งที่ห่อด้วย * ช่วยในการค้นหาการทำซ้ำมากกว่าหนึ่งครั้ง

การจัดกลุ่ม:

m.group (0): จะมีกลุ่มที่ตรงกันในกรณีด้านบน Goodbyebyebye GooDbYe

m.group (1): จะมีคำแรกของรูปแบบที่ตรงกันในกรณีข้างต้น Goodbye

วิธีการแทนที่จะแทนที่คำที่จับคู่ติดต่อกันทั้งหมดด้วยตัวอย่างแรกของคำ

นี่คือ regex ที่ฉันใช้เพื่อลบวลีที่ซ้ำกันในบอท Twitch ของฉัน:

(\S+\s*)\1{2,}

(\S+\s*) ค้นหาสตริงของอักขระที่ไม่ใช่ช่องว่างแล้วตามด้วยช่องว่าง

\1{2,}จากนั้นค้นหามากกว่า 2 อินสแตนซ์ของวลีนั้นในสตริงที่จะจับคู่ หากมี 3 วลีที่เหมือนกันแสดงว่าตรงกัน

ไม่นั่นเป็นไวยากรณ์ที่ผิดปกติ อาจมีนิพจน์ทั่วไปเฉพาะของเครื่องยนต์ / ภาษาที่คุณสามารถใช้ได้ แต่ไม่มีนิพจน์ทั่วไปทั่วไปที่สามารถทำได้

นี่คือคำที่จับได้หลายคำหลายครั้ง:

(\b\w+\b)(\s+\1)+

Regex ถึง Strip 2+ คำที่ซ้ำกัน (คำที่ต่อเนื่องกัน / ไม่ต่อเนื่องกัน)

ลองใช้นิพจน์ทั่วไปนี้ที่สามารถจับคำที่ซ้ำกันตั้งแต่ 2 คำขึ้นไปและทิ้งไว้เพียงคำเดียว และคำที่ซ้ำกันไม่จำเป็นต้องติดต่อกันด้วยซ้ำ

/\b(\w+)\b(?=.*?\b\1\b)/ig

ที่นี่\bใช้สำหรับ Word Boundary ?=ใช้สำหรับการมองเชิงบวกและ\1ใช้สำหรับการอ้างอิงกลับ

แหล่งที่มาตัวอย่าง

ตัวอย่างใน Javascript: Good Parts สามารถปรับให้ทำสิ่งนี้ได้:

var doubled_words = /([A-Za-z\u00C0-\u1FFF\u2800-\uFFFD]+)\s+\1(?:\s|$)/gi;

\ b ใช้ \ w สำหรับขอบเขตของคำโดยที่ \ w เทียบเท่ากับ [0-9A-Z_a-z] หากคุณไม่คำนึงถึงข้อ จำกัด ดังกล่าวคำตอบที่ยอมรับก็ใช้ได้

เนื่องจากนักพัฒนาบางรายเข้ามาที่หน้านี้เพื่อค้นหาโซลูชันซึ่งไม่เพียง แต่กำจัดสตริงย่อยที่ไม่ใช่ช่องว่างที่ซ้ำกันที่ซ้ำกัน แต่ยังรวมถึงสามมิติและอื่น ๆ ฉันจะแสดงรูปแบบที่ปรับแล้ว

รูปแบบ: /(\b\S+)(?:\s+\1\b)+/(การสาธิตรูปแบบ )
แทนที่: $1(แทนที่การจับคู่แบบเต็มสตริงด้วยกลุ่มการจับภาพ # 1)

รูปแบบนี้จับคู่กับสตริงย่อยที่ไม่ใช่ช่องว่างแบบ "ทั้งหมด" จากนั้นต้องการสำเนาของสตริงย่อยที่ตรงกันอย่างน้อยหนึ่งชุดซึ่งอาจคั่นด้วยอักขระช่องว่างอย่างน้อยหนึ่งตัว (ช่องว่างแท็บขึ้นบรรทัดใหม่ ฯลฯ )

โดยเฉพาะ:

• \b (ขอบเขตคำ) อักขระมีความสำคัญเพื่อให้แน่ใจว่าคำบางส่วนไม่ตรงกัน
• วงเล็บที่สองเป็นกลุ่มที่ไม่จับภาพเนื่องจากไม่จำเป็นต้องจับสตริงย่อยความกว้างตัวแปรนี้ - จับคู่ / ดูดซับเท่านั้น
• +(หนึ่งหรือมากกว่าปริมาณ) ในกลุ่มที่ไม่ใช่การจับมีความเหมาะสมกว่า*เพราะ*จะ "ตื๊อ" เครื่องยนต์ regex เพื่อจับภาพและแทนที่เดี่ยวเกิดขึ้น - นี้คือการออกแบบรูปแบบสิ้นเปลือง

* สังเกตว่าคุณกำลังจัดการกับประโยคหรือสตริงอินพุตที่มีเครื่องหมายวรรคตอนรูปแบบจะต้องได้รับการปรับปรุงเพิ่มเติม

นิพจน์นี้ (ได้รับแรงบันดาลใจจาก Mike ด้านบน) ดูเหมือนว่าจะตรวจจับรายการที่ซ้ำกัน triplicates และอื่น ๆ ทั้งหมดรวมถึงประโยคที่อยู่ท้ายสตริงซึ่งส่วนใหญ่ไม่:

/(^|\s+)(\S+)(($|\s+)\2)+/g, "$1$2")

ฉันรู้ว่าคำถามที่ถามให้จับคู่รายการที่ซ้ำกันเท่านั้น แต่สามรายการเป็นเพียง 2 รายการที่ซ้ำกัน :)

อันดับแรกฉัน(^|\s+)ต้องแน่ใจว่ามันขึ้นต้นด้วยคำเต็มมิฉะนั้น "สเต็กเด็ก" จะไปที่ "child'steak" ("s" จะตรงกัน) จากนั้นจะจับคู่คำเต็มทั้งหมด ( (\b\S+\b)) ตามด้วยจุดจบของสตริง ( $) หรือช่องว่างจำนวนหนึ่ง ( \s+) ทั้งคำซ้ำมากกว่าหนึ่งครั้ง

ฉันลองแบบนี้แล้วมันก็ใช้ได้ดี:

var s = "here here here     here is ahi-ahi ahi-ahi ahi-ahi joe's joe's joe's joe's joe's the result result     result";
print( s.replace( /(\b\S+\b)(($|\s+)\1)+/g, "$1"))         
--> here is ahi-ahi joe's the result

ใช้สิ่งนี้ในกรณีที่คุณต้องการตรวจสอบคำที่ซ้ำกันโดยไม่คำนึงถึงตัวพิมพ์เล็กและใหญ่

(?i)\\b(\\w+)\\s+\\1\\b