通过正则表达式匹配连续重复的单词答案

【问题标题】：Matching repeating words in a row by regex通过正则表达式匹配连续重复的单词
【发布时间】：2022-01-19 10:07:40
【问题描述】：

我想在字符串中找到一个替换重复单词，但前提是它们彼此相邻或由空格分隔。例如：

"<number> <number>" -> "<number>"
"<number><number>"-> "<number>"

但不是

"<number> test <number>" -> "<number> test <number>"

我试过这个：

import re
re.sub(f"(.+)(?=\<number>+)","", label).strip()

但它会为最后一个测试选项提供错误的结果。

你能帮我解决这个问题吗？

【问题讨论】：

可能是re.sub(r"(<number>)(?:\s*<number>)+",r"\1", label).strip() (demo)？
您是否因为要使用动态变量而尝试使用 f 字符串？还是 '' 是需要替换的静态子字符串？

标签： python regex python-re

【解决方案1】：

你可以使用

re.sub(r"(<number>)(?:\s*<number>)+",r"\1", label).strip()\

请参阅regex demo。详情：

(<number>) - 第 1 组：<number> 字符串
(?:\s*<number>)+ - 一次或多次出现以下模式序列：
- \s* - 零个或多个空格
- <number> - <number> 字符串

\1 是对第 1 组值的替换反向引用。

Python test:

import re
text = '"<number> <number>", "<number><number>", not "<number> test <number>"'
print( re.sub(r"(<number>)(?:\s*<number>)+", r'\1', text) )
# => "<number>", "<number>", not "<number> test <number>"

【讨论】：

【解决方案2】：

你可以使用

(<number>\s*){2,}

(<number>\s*) 捕获组 1，匹配 <number> 后跟可选字符
{2,} 重复 2 次或更多次

在替换使用组1中。

Regex demo

import re

strings = [
    "<number> <number>",
    "<number><number>",
    "not <number> test <number>",
    " <number>   <number><number>  <number>     test"
]

for s in strings:
    print(re.sub(r"(<number>\s*){2,}", r"\1", s))

输出

<number>
<number>
not <number> test <number>
 <number>     test

【讨论】：

@JvdV 尾随空格现在位于第 1 组中，因此您可以保留它们。