중복 단어에 대한 정규식

저는 정규식 초보자이고 다음과 같은 중복 된 연속 단어를 "일치"하는 단일 정규식을 작성하는 방법을 알 수 없습니다.

파리 하여 봄.

아니 그 그 관계가있다.

왜 웃어요? 인가 내 내 정규 표현식은 나쁜?

위의 모든 굵은 문자열과 일치하는 단일 정규식이 있습니까?

다음 정규식을 시도하십시오.

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

다음 \b은 단어 경계이며 \1첫 번째 그룹의 캡처 된 일치를 참조합니다.

이 정규식이 더 많은 상황을 처리한다고 생각합니다.

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

좋은 테스트 문자열은 여기에서 찾을 수 있습니다 : http://callumacrae.github.com/regex-tuesday/challenge1.html

아래 RE로 시도하십시오.

• \ b 단어 단어 경계의 시작
• \ W + 모든 단어 문자
• \ 1 이미 일치하는 같은 단어
• \ b 단어 끝

• () * 다시 반복

  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();
  }

널리 사용되는 PCRE 라이브러리는 이러한 상황을 처리 할 수 ​​있습니다 ( 하지만 POSIX 호환 정규식 엔진으로 는 동일하게 달성 할 수 없습니다 ).

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

이것은 내 트 위치 봇에서 중복 문구를 제거하는 데 사용하는 정규식입니다.

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

(\S+\s*) 공백이 아닌 문자열을 찾은 다음 공백을 찾습니다.

\1{2,}그런 다음 일치시킬 문자열에서 해당 구문의 2 개 이상의 인스턴스를 찾습니다. 동일한 문구가 3 개 있으면 일치합니다.

연속 된 단어 수를 찾으려면 아래 표현식이 올바르게 작동해야합니다. 일치는 대소 문자를 구분하지 않을 수 있습니다.

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));
}

샘플 입력 : Goodbye goodbye GooDbYe

샘플 출력 : Goodbye

설명:

정규식 :

\ b : 단어 경계의 시작

\ w + : 모든 단어 문자

(\ s + \ 1 \ b) * : 이전 단어와 일치하고 단어 경계로 끝나는 단어가 뒤에 오는 임의의 수의 공백. *로 묶인 모든 것은 하나 이상의 반복을 찾는 데 도움이됩니다.

그룹화 :

m.group (0) : 위의 경우 일치하는 그룹을 포함합니다 Goodbye goodbye GooDbYe

m.group (1) : 위의 경우 일치하는 패턴의 첫 단어를 포함합니다 Goodbye

Replace 메서드는 연속적으로 일치하는 모든 단어를 단어의 첫 번째 인스턴스로 대체합니다.

아니요. 그것은 불규칙한 문법입니다. 사용할 수있는 엔진 / 언어 별 정규식이있을 수 있지만이를 수행 할 수있는 범용 정규식은 없습니다.

다음은 여러 단어를 여러 번 포착하는 것입니다.

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

2 개 이상의 중복 단어 (연속 / 비 연속 단어)를 제거하는 정규식

2 개 이상의 중복 단어를 포착하고 하나의 단어 만 남길 수있는이 정규식을 사용해보세요. 그리고 중복 단어 는 연속적 일 필요도 없습니다 .

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

여기서는 \bWord Boundary에 ?=사용되며 긍정적 인 예측에 \1사용되며 역 참조에 사용됩니다.

예 소스

Javascript : The Good Parts의 예를 다음과 같이 조정할 수 있습니다.

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

\ b는 단어 경계에 \ w를 사용합니다. 여기서 \ w는 [0-9A-Z_a-z]와 같습니다. 그 제한이 마음에 들지 않으면 허용되는 대답은 괜찮습니다.

일부 개발자는 중복 된 공백이 아닌 하위 문자열을 제거 할뿐만 아니라 3 중 이상을 제거하는 솔루션을 찾기 위해이 페이지를 방문하므로 적응 된 패턴을 보여 드리겠습니다.

패턴 : /(\b\S+)(?:\s+\1\b)+/( 패턴 데모 )
바꾸기 : $1(전체 문자열 일치를 캡처 그룹 # 1로 바꿉니다. )

이 패턴은 "전체"비 공백 하위 문자열과 탐욕스럽게 일치 한 다음 하나 이상의 공백 문자 (공백, 탭, 줄 바꿈 등)로 구분 될 수있는 일치하는 하위 문자열의 하나 이상의 복사본이 필요합니다.

구체적으로 특별히:

• \b (단어 경계) 문자는 부분 단어가 일치하지 않도록하는 데 중요합니다.
• 두 번째 괄호는 캡처되지 않는 그룹입니다.이 가변 너비 하위 문자열은 캡처 할 필요가없고 일치 / 흡수 만 가능하기 때문입니다.
• +비 캡처 그룹 의 (하나 이상의 수량 자) 는 정규식 엔진이 싱글 톤 발생을 캡처하고 대체하기 위해 "귀찮게" *하기 때문에 보다 적절 *합니다. 이것은 낭비적인 패턴 디자인입니다.

* 문장이나 문장 부호가있는 입력 문자열을 다루는 경우 패턴을 더 세분화해야합니다.

이 표현 (위의 Mike에서 영감을 얻음)은 문자열의 끝에있는 것을 포함하여 모든 중복, 삼중 등을 잡는 것처럼 보이지만 대부분은 그렇지 않습니다.

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

중복 만 일치하도록 요청한 질문을 알고 있지만 삼중은 서로 옆에 2 개의 중복 만 있습니다. :)

먼저 (^|\s+)전체 단어로 시작하는지 확인합니다. 그렇지 않으면 "child 's steak"가 "child'steak"로 이동합니다 ( "s"가 일치 함). 그런 다음 모든 전체 단어 ( (\b\S+\b))와 문자열의 끝 ( $) 또는 여러 공백 ( \s+)이 뒤 따르고 전체가 두 번 이상 반복됩니다.

나는 이것을 이렇게 시도했고 잘 작동했습니다.

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

중복 단어에 대해 대소 문자를 구분하지 않으려는 경우에 사용하십시오.

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