替换忽略特定单词的所有连续重复字母

Question

我看到了很多建议，可以使用re（regex）或.join来删除一个句子中连续重复的字母，但我想对特殊单词有一个例外

例如：

我想要这句话>sentence = 'hello, join this meeting heere using thiis lllink'

像这样>'hello, join this meeting here using this link'

知道我要保留并忽略重复字母的单词列表检查：keepWord = ['Hello','meeting']

我发现有用的两个脚本是：

• 使用.join：

  import itertools
  
  sentence = ''.join(c[0] for c in itertools.groupby(sentence))
  

• 使用正则表达式：

  import re
  
  sentence = re.compile(r'(.)\1{1,}').sub(r'\1', sentence)
  

我有一个解决办法，但我认为还有一个更紧凑、更有效的办法。我目前的解决方案是：

import itertools

sentence = 'hello, join this meeting heere using thiis lllink'
keepWord = ['hello','meeting']

new_sentence = ''

for word in sentence.split():
    if word not in keepWord:
        new_word = ''.join(c[0] for c in itertools.groupby(word))
        new_sentence = sentence +" " + new_word
    else:
        new_sentence = sentence +" " + word

有什么建议吗

Answer 1

虽然不是特别紧凑，但这里有一个使用regexp的相当简单的示例：函数subst将用单个字符替换重复的字符，然后使用re.sub为找到的每个单词调用该函数

这里假设，因为您的示例keepWord列表（第一次提到的地方）的标题大小写为Hello，而文本的小写字母为hello，所以您希望对列表执行不区分大小写的比较。因此，无论你的句子包含Hello还是hello，它都同样有效

import re

sentence = 'hello, join this meeting heere using thiis lllink'
keepWord = ['Hello','meeting']

keepWord_s = set(word.lower() for word in keepWord)

def subst(match):
    word = match.group(0)
    return word if word.lower() in keepWord_s else re.sub(r'(.)\1+', r'\1', word)

print(re.sub(r'\b.+?\b', subst, sentence))

给出：

hello, join this meeting here using this link

Answer 2

您可以匹配keepWord列表中的整个单词，并且在其他上下文中仅替换两个或多个相同字母的序列：

import re
sentence = 'hello, join this meeting heere using thiis lllink'
keepWord = ['hello','meeting']
new_sentence = re.sub(fr"\b(?:{'|'.join(keepWord)})\b|([^\W\d_])\1+", lambda x: x.group(1) or x.group(), sentence)
print(new_sentence)
# => hello, join this meeting here using this link

见Python demo

正则表达式看起来像

\b(?:hello|meeting)\b|([^\W\d_])\1+

见regex demo。如果组1匹配，则返回其值，否则，将返回完全匹配（要保留的单词）

图案细节

• \b(?:hello|meeting)\b-hello或meeting用单词边界括起来
• |-或
• ([^\W\d_])-第1组：任何Unicode字母
• \1+-对组1值的一个或多个反向引用