如何在正则表达式中去除重复项

Question

假设我有一个字符串 "cats cats cats and dogs dogs dogs."，我需要使用什么正则表达式才能将该字符串替换为 "cats and dogs."，即删除重复项。但是，该表达式必须仅删除相邻的重复项。例如：

"cats cats cats and dogs dogs dogs and cats cats and dogs dogs"

将返回：

"cats and dogs and cats and dogs"

- Immanu'el Smith

---

请查看https://dev59.com/aEjSa4cB1Zd3GeqPDTWp，它可能会对你的问题有所帮助。 - Jason Evans

Answer 1

resultString = Regex.Replace(subjectString, @"\b(\w+)(?:\s+\1\b)+", "$1");

将在一次调用中完成所有替换。

说明:

\b                 # assert that we are at a word boundary
                   # (we only want to match whole words)
(\w+)              # match one word, capture into backreference #1
(?:                # start of non-capturing, repeating group
   \s+             # match at least one space
   \1              # match the same word as previously captured
   \b              # as long as we match it completely
)+                 # do this at least once

- Tim Pietzcker

---

Tim，你是一个正则表达式大师。尊敬！ :) - Koen

+1，因为这个表达式可行，而且还有解释。 - Alberto De Caro

Answer 2

将(\w+)\s+\1替换为$1

在循环中执行此操作，直到不再找到匹配项。仅设置global标志是不够的，因为它不会替换cats cats cats中的第三个cats

在正则表达式中\1指的是第一个捕获组的内容。

尝试：

str = "cats cats cats and dogs dogs dogs and cats cats and dogs dogs";
str = Regex.Replace(str, @"(\b\w+\b)\s+(\1(\s+|$))+", "$1 ");
Console.WriteLine(str);

- Amarghosh

---

我正在使用这段代码：replacer = Regex.Replace(replacer, @"([\n]+)[\s+]?\1", string.Empty); 但它似乎不起作用。然而在 rubular 上是可以工作的 http://www.rubular.com/r/Ey6wrLYXNw - Immanu'el Smith

@Emmanuel 请尝试使用 str = Regex.Replace(str, @"(\w+)\s+\1", "$1");。 - Amarghosh

Answer 3

毫无疑问，可能存在更小的正则表达式，但这个似乎能够解决问题：

string somestring = "cats cats cats and dogs dogs dogs and cats cats and dogs dogs";
Regex regex = new Regex(@"(\w+)\s(?:\1\s)*(?:\1(\s|$))");
string result = regex.Replace(somestring, "$1$2");

它还考虑了最后一个“dogs”不以空格结尾的情况。

- C.Evenhuis

---

这将删除太多的空格：cats cats cats and dogs dogs dogs and cats cats and dogs dogs 变成了 catsand dogsand catsand dogs。它也匹配了太多：Michael Bolton on CD 变成了 Michael BoltonCD。对于《办公室》的参考，我们表示抱歉。 - Tim Pietzcker

奇怪，我似乎无法重现那些错误。也许我应该添加更多的装饰品：] - C.Evenhuis

哎呀，我错了，你是用$1$2替换的，所以我之前认为存在的第一个问题不存在了。但是Michael Bolton仍然有问题。也许一些催眠会有帮助（或者在\w之前加上单词边界\b）。 - Tim Pietzcker

Answer 4

请尝试以下代码。

---

using System;
using System.Text.RegularExpressions;

命名空间 ConsoleApplication1 { /// <summary> ///
/// 正则表达式的描述： ///
/// 匹配表达式但不捕获它。[^|\s+] /// 从2个备选项中选择 /// 行或字符串的开头 /// 空格，一个或多个重复 /// [1]: 编号捕获组。[(\w+)(?:\s+|$)] /// (\w+)(?:\s+|$) /// [2]: 编号捕获组。[\w+] /// 字母数字字符，一个或多个重复 /// 匹配表达式但不捕获它。[\s+|$] /// 从2个备选项中选择 /// 空格，一个或多个重复 /// 行或字符串的结尾 /// [3]: 编号捕获组。[\1|\2]，一个或多个重复 /// 从2个备选项中选择 /// 回溯到捕获编号：1 /// 回溯到捕获编号：2 ///
/// /// </summary> class Class1 { /// /// 应用程序的主入口点。 /// static void Main(string[] args) { Regex regex = new Regex( "(?:^|\s+)((\w+)(?:\s+|$))(\1|\2)+", RegexOptions.IgnoreCase | RegexOptions.Compiled ); string str = "cats cats cats and dogs dogs dogs and cats cats and dogs dogs"; string regexReplace = " $1";

Console.WriteLine("Before :" + str);

str = regex.Replace(str,regexReplace);

Console.WriteLine("After :" + str); } }

}

- Stephan