Biểu thức chính quy cho các từ trùng lặp

Tôi là một người mới sử dụng biểu thức chính quy và tôi không thể tìm ra cách viết một biểu thức chính quy duy nhất sẽ "khớp" với bất kỳ từ liên tiếp trùng lặp nào chẳng hạn như:

Paris trong các các lò xo.

Không phải điều đó có liên quan.

Tại sao bạn lại cười? Các biểu thức chính quy của tôi CÓ Xấu không ??

Có một biểu thức chính quy duy nhất sẽ khớp với TẤT CẢ các chuỗi in đậm ở trên không?

Hãy thử biểu thức chính quy này:

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

Đây \blà một ranh giới từ và \1tham chiếu đến trận đấu đã bắt của nhóm đầu tiên.

Tôi tin rằng regex này xử lý nhiều tình huống hơn:

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

Bạn có thể tìm thấy lựa chọn tốt các chuỗi kiểm tra tại đây: http://callumacrae.github.com/regex-tuesday/challenge1.html

Hãy thử điều này với RE bên dưới

• \ b bắt đầu từ ranh giới từ
• \ W + bất kỳ ký tự từ nào
• \ 1 từ giống nhau đã được khớp
• \ b cuối từ

• () * Lặp lại một lần nữa

  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();
  }

Thư viện PCRE được sử dụng rộng rãi có thể xử lý các tình huống như vậy ( tuy nhiên, bạn sẽ không đạt được điều tương tự với các công cụ regex tuân thủ POSIX):

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

Đây là regex tôi sử dụng để xóa các cụm từ trùng lặp trong bot twitch của mình:

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

(\S+\s*) tìm kiếm bất kỳ chuỗi ký tự nào không phải là khoảng trắng, theo sau là khoảng trắng.

\1{2,}sau đó tìm kiếm nhiều hơn 2 trường hợp của cụm từ đó trong chuỗi để đối sánh. Nếu có 3 cụm từ giống nhau thì nó trùng khớp.

Biểu thức dưới đây sẽ hoạt động chính xác để tìm bất kỳ số từ liên tiếp nào. So khớp có thể không phân biệt chữ hoa chữ thường.

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));
}

Đầu vào mẫu: Tạm biệt tạm biệt GooDbYe

Đầu ra mẫu: Tạm biệt

Giải trình:

Biểu thức regex:

\ b: Bắt đầu một ranh giới từ

\ w +: Bất kỳ số ký tự từ nào

(\ s + \ 1 \ b) *: Bất kỳ số khoảng trắng nào theo sau của từ khớp với từ trước đó và kết thúc ranh giới từ. Toàn bộ nội dung được bao bọc trong * giúp tìm nhiều hơn một lần lặp lại.

Phân nhóm:

m.group (0): Sẽ chứa nhóm phù hợp trong trường hợp trên Tạm biệt tạm biệt GooDbYe

m.group (1): Sẽ chứa từ đầu tiên của mẫu phù hợp trong trường hợp trên Tạm biệt

Phương thức Replace sẽ thay thế tất cả các từ phù hợp liên tiếp bằng phiên bản đầu tiên của từ đó.

Không. Đó là một ngữ pháp bất quy tắc. Có thể có các biểu thức chính quy dành cho động cơ / ngôn ngữ cụ thể mà bạn có thể sử dụng, nhưng không có biểu thức chính quy phổ biến nào có thể làm điều đó.

Đây là một trong những bắt nhiều từ nhiều lần:

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

Regex to Strip 2+ từ trùng lặp (các từ liên tiếp / không liên tiếp)

Hãy thử regex này có thể bắt 2 từ trùng lặp trở lên và chỉ để lại một từ duy nhất. Và các từ trùng lặp thậm chí không cần phải liên tiếp .

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

Ở đây, \bđược sử dụng cho Word Boundary, ?=được sử dụng cho lookahead tích cực và \1được sử dụng để tham chiếu ngược.

Nguồn ví dụ

Ví dụ trong Javascript: Các phần tốt có thể được điều chỉnh để làm điều này:

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

\ b sử dụng \ w cho các ranh giới từ, trong đó \ w tương đương với [0-9A-Z_a-z]. Nếu bạn không bận tâm về giới hạn đó, câu trả lời được chấp nhận là tốt.

Vì một số nhà phát triển đang truy cập trang này để tìm kiếm một giải pháp không chỉ loại bỏ các chuỗi con không có khoảng trắng liên tiếp trùng lặp, mà còn các chuỗi ba và hơn thế nữa, nên tôi sẽ hiển thị mẫu phù hợp.

Mẫu: /(\b\S+)(?:\s+\1\b)+/( Bản trình diễn mẫu )
Thay thế: $1(thay thế khớp chuỗi đầy đủ bằng nhóm chụp số 1)

Mẫu này đối sánh tham lam một chuỗi con "toàn bộ" không có khoảng trắng, sau đó yêu cầu một hoặc nhiều bản sao của chuỗi con phù hợp có thể được phân tách bằng một hoặc nhiều ký tự khoảng trắng (dấu cách, tab, dòng mới, v.v.).

Đặc biệt:

• \b (ranh giới từ) các ký tự rất quan trọng để đảm bảo các từ từng phần không bị khớp.
• Dấu ngoặc đơn thứ hai là nhóm không bắt giữ, bởi vì chuỗi con có độ rộng thay đổi này không cần được bắt - chỉ được khớp / hấp thụ.
• các +(một hoặc nhiều lượng hóa) trên nhóm không chụp là thích hợp hơn *vì *sẽ "làm phiền" động cơ regex để chụp và thay thế singleton lần xuất hiện - đây là lãng phí thiết kế mẫu.

* lưu ý nếu bạn đang xử lý các câu hoặc chuỗi đầu vào có dấu chấm câu, thì mẫu sẽ cần được hoàn thiện thêm.

Biểu thức này (lấy cảm hứng từ Mike, ở trên) dường như nắm bắt tất cả các bản sao, bộ ba, v.v., bao gồm cả những cái ở cuối chuỗi, mà hầu hết những cái khác không:

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

Tôi biết câu hỏi được yêu cầu chỉ để đối sánh các bản sao , nhưng một bản ba chỉ là 2 bản sao bên cạnh nhau :)

Đầu tiên, tôi (^|\s+)phải đảm bảo rằng nó bắt đầu bằng một từ đầy đủ, nếu không "món bít tết của trẻ" sẽ chuyển thành "món bít tết con" (chữ "s" sẽ khớp với nhau). Sau đó, nó khớp với tất cả các từ đầy đủ ( (\b\S+\b)), theo sau là một phần cuối của chuỗi ( $) hoặc một số khoảng trắng ( \s+), toàn bộ được lặp lại nhiều lần.

Tôi đã thử nó như thế này và nó hoạt động tốt:

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

Sử dụng điều này trong trường hợp bạn muốn kiểm tra phân biệt chữ hoa chữ thường để tìm các từ trùng lặp.

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