用于删除重复字符和组合的正则表达式

Question

我有一个字符串，它由在末尾有重复字符的单词组成。 这些字符可以是这样的组合：

• wordxxxx
• wordxyxy
• wordxyzxyzxyz

例如：

string=“此SSSSSS是echooooooo stringggg.replaceAceACE repeatededededed groupsss of symbolsSS”

我找到了一种方法来替换一些重复的组合，如下所示：

re.sub(r'([a-z]{1,3})\1+', r'\1', string)

我得到了这些结果：

这是echoooo stringg。替换重复的符号组

如何更改正则表达式以删除所有重复的字符及其组合

Answer 1

你的正则表达式几乎是正确的

• 您需要将?添加到捕获组中，使其尽可能少地匹配（“惰性匹配”，而不是尽可能多地匹配的默认“贪婪”行为）

• 我还使用了+而不是{1,3}，因为将重复限制在3似乎是任意的

• 您可以观察到这两种行为之间的差异：greedy与lazy。 请注意：

  1. 贪婪行为将aaaa视为aa * 2而不是a * 4

  2. 贪婪的行为只适用于长时间的重复aaaaa被视为

     aa * 2 + a因此替换结果将是aaa，而不是a

for word in "Thisssssssss isisisis echooooooo stringggg. Replaceaceaceace repeatedededed groupssss of symbolssss".split():
    print(re.sub(r'([a-z]+?)\1+', r'\1', word))

输出

This
is
echo
string.
Replace
repeated
groups
of
symbols

Answer 2

一行解决方案

string = "Thisssssssss isisisis echooooooo stringggg. Replaceaceaceace repeatedededed groupssss of symbolssss"
print(re.sub(r'([a-z]+?)\1+', r'\1', string))
#This is echo string. Replace repeated groups of symbols