用正则表达式替换重复的字符串模式

Question

我需要用每个基本构建单元替换单词中的重复模式。例如，我有字符串"TATATATA"，我想用"TA"替换它。此外，我可能会替换多于2次重复以避免替换正常单词。

我正在尝试使用Java的replaceAll方法来完成此操作。

- Michael

---

你的代码/正则表达式在哪里？ - TheLostMind

请展示你的代码。 - Sanjeev

你的意思是指任何在字符串中可能存在的重复字符，例如TATATATA、YTYTYT或ABCABCABC？ - Kenneth Clark

可以使用正则表达式的“向前查看”、“向后查看”、String#contains()、String#indexOf()等方法来实现此功能。但请展示您的努力。 - TheLostMind

看我的回答，我想我懂了。 - MightyPork

Answer 1

我认为您需要这个（适用于任何重复字符串的长度）：

String result = source.replaceAll("(.+)\\1+", "$1")

或者，为了优先考虑长度更短的匹配项:

String result = source.replaceAll("(.+?)\\1+", "$1")

它首先匹配一组字母，然后再次匹配它（在匹配模式内使用反向引用）。我尝试了一下，似乎效果不错。

---

示例

String source = "HEY HEY duuuuuuude what'''s up? Trololololo yeye .0.0.0";

System.out.println(source.replaceAll("(.+?)\\1+", "$1"));

// HEY dude what's up? Trolo ye .0

- MightyPork

Answer 2

在这里最好使用Pattern而不是.replaceAll()。例如：

private static final Pattern PATTERN 
    = Pattern.compile("\\b([A-Z]{2,}?)\\1+\\b");

//...

final Matcher m = PATTERN.matcher(input);
ret = m.replaceAll("$1");

---

编辑：例子：

public static void main(final String... args)
{
    System.out.println("TATATA GHRGHRGHRGHR"
        .replaceAll("\\b([A-Za-z]{2,}?)\\1+\\b", "$1"));
}

这将打印：

TA GHR

- fge

---

没起作用，打印了整个字符串。谢谢你的回答！ - Michael

是的，确实是这样，我尝试在末尾添加了一个额外的字符，比如“TATATAT”。 - Michael

Answer 3

既然你要求一个正则表达式的解决方案：

(\\w)(\\w)(\\1\\2){2,};

(\w)(\w)：匹配每一对连续的单词字符（(.)(.)会捕获任何类型的连续字符对），并将它们存储在捕获组 1和2中。 (\\1\\2) 在这些组中的字符再次立即重复时匹配，而{2,} 则是当它重复两次或更多次时匹配（{2,10}是在重复一次以上但少于十次时匹配）。

String s = "hello TATATATA world";    
Pattern p = Pattern.compile("(\\w)(\\w)(\\1\\2){2,}");
Matcher m = p.matcher(s);
while (m.find()) System.out.println(m.group());
    //prints "TATATATA"

- drew moore

---

我担心它只打印第一个字母。感谢您的回答！ - Michael