正则表达式删除重复的字符和组合答案

【问题标题】：Regex to remove duplicated characters and combinations正则表达式删除重复的字符和组合
【发布时间】：2020-12-05 00:52:52
【问题描述】：

我有一个字符串，它由结尾有重复字符的单词组成。这些字符可能是这样的组合：

wordxxxx
wordxyxyxy
wordxyzxyzxyz

例如：

string = "Thisssssssss isissis echooooooo stringggg. Replaceaceaceace 重复的符号组ssssss"

我找到了一种方法来替换一些重复的组合，这样：

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

我得到了这些结果：

Thisss 是 echoooo stringg。替换重复的符号组

我应该如何更改正则表达式以删除所有重复的字符及其组合？

【问题讨论】：

标签： python regex string duplicates

【解决方案1】：

您的正则表达式几乎是正确的。

您需要将? 添加到捕获组中，使其尽可能匹配（“惰性匹配”而不是尽可能匹配的默认“贪婪”行为）。
我还使用了+ 而不是{1,3}，因为将重复限制为3 似乎是任意的。
您可以观察到这两种行为之间的区别：greedy 与 lazy。请注意：
1. 贪婪行为将aaaa 视为aa * 2 而不是a * 4
2. 贪婪行为仅适用于偶数长度的重复。 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

【讨论】：

@alaniwi 谢谢，我添加了这个解释 + 关于奇数重复的有趣见解。

【解决方案2】：

一个班轮解决方案

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

【讨论】：