Tôi đang làm việc trên một tệp chứa các dòng có từ khóa và một số dòng chứa các từ khóa trùng lặp.
Ví dụ:
dangerous,dangerous,hazardous,perilous
Tôi muốn nói với Notepad ++ rằng tôi muốn xóa mọi từ trùng lặp trên mỗi dòng. Ví dụ này dangerous,sẽ bị xóa:
dangerous,hazardous,perilous
Tôi có một loạt các dòng như thế và đó là lý do tại sao tôi đang tìm kiếm một cách tự động để làm điều này.
Câu trả lời:
Bạn có thể sử dụng biểu thức chính quy để xóa các từ trùng lặp liên tiếp trong một dòng, tuy nhiên tôi không nghĩ có thể xóa các từ trùng lặp không liên tiếp (ví dụ dangerous, hazardous, dangerous).
Regex này sẽ xóa tất cả các từ trùng lặp liên tiếp - cho dù đó là 2 từ trùng lặp hoặc 10 từ trùng lặp liên tiếp: \b(\w+)(?:,\s+\1\b)+ .
Chính xác regex không dấu phẩy sẽ là: \b(\w+)(?:\s+\1\b)+ (có thể hữu ích cho những người dùng khác).
Nếu bạn muốn một regex cụ thể chỉ cho hai từ trùng lặp (nhân đôi), hãy sử dụng regex này : (\b\w+\b)\W+\1.
Đặt regex này vào hộp Thay thế bằng để giữ một lần xuất hiện của từ (nếu không tất cả các từ lặp lại sẽ bị xóa) : ${1} .
Những biểu thức chính quy này sẽ khắc phục một tình huống như tình huống bạn mô tả trong câu hỏi của bạn làm ví dụ. Regex đầu tiên sẽ hoạt động với mọi số từ trùng lặp (ví dụ dangerous, dangerous, dangerous, dangerous, hazardous), trong khi phiên bản thứ hai sẽ chỉ hoạt động cho hai từ trùng lặp (ví dụ:dangerous, dangerous, hazardous ).
Lưu ý: Các biểu thức chính quy sẽ chỉ áp dụng đối với các định dạng được mô tả trong câu hỏi, có nghĩa là định dạng thích two words, two words, anotherword, two-words, two-words, anotherword, three words expression, three words expression, anotherwordsẽ không thay đổi vì regex sẽ không áp dụng đối với họ.
(\b\w+\b)\W+\1cho hai từ trùng lặp. Tôi sẽ chỉnh sửa câu trả lời của tôi. Dấu phẩy là lý do tại sao regex khác không hoạt động.
word, word, anotherword. Tuy nhiên, bạn có nhiều trường hợp hơi khác một chút, như came across, came acrossmột số trường hợp có 3 hoặc 4 từ. Ngoài ra còn có các từ với 'like don'tvà nó làm cho mọi thứ phức tạp hơn trong hệ thống regex Notepad ++ . Hệ thống regex Notepad ++ cũng khá khó chịu và hạn chế, vì vậy giải pháp là sử dụng regex trong python (hoặc ngôn ngữ khác) hoặc tạo các biểu thức chính quy định dạng cụ thể cho Notepad ++.
Đây là một cách để thực hiện công việc, điều này sẽ thay thế tất cả các từ trùng lặp ngay cả khi chúng không liền kề:
(?:^|\G)(\b\w+\b),?(?=.*\1)LEAVE EMPTY. matches newlineGiải trình:
(?:^|\G) : non capture group, beginning of line or position of last match
(\b\w+\b) : group 1, 1 or more word character (ie. [a-zA-Z0-9_]), surrounded by word boundaries
,? : optional comma
(?=.*\1) : positive lookahead, check if thhere is the same word (contained in group 1) somewhere after
Đưa ra một đầu vào như:
dangerous,dangerous,hazardous,perilous,dangerous,dangerous,hazardous,perilous
Chúng tôi có:
dangerous,hazardous,perilous
dangerous,hazardous,dangerous,perilous? Nói cách khác, những từ trùng lặp luôn ở cạnh nhau?