python - python正则表达式删除重复的单词

Question

我是一个非常新的 Python

如果有重复的单词，我想换句。

正确的

• 前任。“这真是太好了”->“这真是太好了”
• 前任。“这就是就是”-->“这就是”

现在我正在使用这个 reg。但它确实在字母上发生了变化。前任。“我和我的朋友很高兴”->“我和我的朋友很高兴”（它删除了“i”和空格）错误

text = re.sub(r'(\w+)\1', r'\1', text) #remove duplicated words in row

我怎样才能做同样的改变，但它必须检查单词而不是字母？

Answer 1

使用非正则表达式解决方案itertools.groupby：

>>> strs = "this is just is is"
>>> from itertools import groupby
>>> " ".join([k for k,v in groupby(strs.split())])
'this is just is'
>>> strs = "this just so so so nice" 
>>> " ".join([k for k,v in groupby(strs.split())])
'this just so nice'

Answer 2

text = re.sub(r'\b(\w+)( \1\b)+', r'\1', text) #remove duplicated words in row

\b匹配空字符串，但仅在单词的开头或结尾。

Answer 3

• \b：匹配单词边界

• \w：任何单词字符

• \1：用找到的第二个单词替换匹配项

    import re
  
  
    def Remove_Duplicates(Test_string):
        Pattern = r"\b(\w+)(?:\W\1\b)+"
        return re.sub(Pattern, r"\1", Test_string, flags=re.IGNORECASE)
  
  
    Test_string1 = "Good bye bye world world"
    Test_string2 = "Ram went went to to his home"
    Test_string3 = "Hello hello world world"
    print(Remove_Duplicates(Test_string1))
    print(Remove_Duplicates(Test_string2))
    print(Remove_Duplicates(Test_string3))
  

结果：

    Good bye world
    Ram went to his home
    Hello world