使用正则表达式删除字符串中的重复单词

Question

我正在研究我的正则表达式技能，我发现我的一个字符串在开头有重复的单词。我想删除复制品，只需要一个字-

server_server_dev1_check_1233.zzz
server_server_qa1_run_1233.xyz
server_server_dev2_1233.qqa
server_dev1_1233.zzz
data_data_dev9_check_660.log

我使用了下面的regex，但是我的输出中同时有两个server_server

^{pr2}$

如果有一个或多个cd1，那么如果只有一个，那么它的输出是怎样的？ 输出不必包含digits，也不必包含.之后的部分，即.zzz, .xyz等

预期输出-

server_dev1_check
server_qa1_run
server_dev2
server_dev1
data_dev9_check

Answer 1

您可以使用一个re.sub调用来匹配和删除不需要的内容，并匹配和捕获所需的内容：

re.sub(r'^([^_]+)(?:_\1)*(.*)_\d+\.\w+$', r'\1\2', s)

参见regex demo

详细信息

• ^-字符串开头
• ([^_]+)-捕获组1:除_之外的任何1+字符
• (?:_\1)*-零次或多次重复_，后跟与组1中相同的子字符串（由于内联backreference\1从组1检索文本）
• (.*)-组2:任何0+字符，尽可能多
• _-下划线
• \d+-1+位数
• \.-一个点
• \w+-1+字字符（[^.]+也可以，1个或更多个字符而不是.）
• $-字符串结束。在

替换模式是\1\2，也就是说，组1和组2的内容被连接起来，组成结果值。在

Python demo：

^{pr2}$

输出：

server_dev1_check
server_qa1_run
server_dev2
server_dev1
data_dev9_check

Answer 2

您可以在搜索表达式中反向引用该词：

>>> s = "server_server_dev1_check_1233.zzz"
>>> re.sub(r"(.*_)\1",r"\1",s)
'server_dev1_check_1233.zzz'

并使用“多次”后缀，这样如果出现2次以上，它仍然有效：

^{pr2}$

去掉后缀并不是最难的部分，只需捕获其余部分并丢弃结尾：

>>> re.sub(r"(.*_)\1{1,}(.*)(_\d+\..*)",r"\1\2",s)
'server_dev1_check'