Регулярне вираження для повторюваних слів

Я новачок із звичайним виразом, і я не можу зовсім зрозуміти, як написати єдиний регулярний вираз, який би "відповідав" будь-яким повторюваним послідовним словам, наприклад:

Париж на в весняний період .

Не те, що пов'язано.

Чому ти смієшся? Чи мої регулярні вирази ЧОГО погані ??

Чи є один регулярний вираз, який буде відповідати ВСІМ жирним рядкам вище?

Спробуйте цей регулярний вираз:

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

Ось \bграниця слів і \1посилається на захоплений збіг першої групи.

Я вважаю, що цей регулярний вираз вирішує більше ситуацій:

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

Хороший вибір тестових рядків можна знайти тут: http://callumacrae.github.com/regex-tu Tuesday/challenge1.html

Спробуйте це з нижче RE

• \ b початок межі слова слова
• \ W + будь-який символ слова
• \ Одне і те ж слово вже збігається
• \ b кінець слова

• () * Повторення ще раз

  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();
  }

Широко використовується бібліотека PCRE може обробляти такі ситуації (ви не досягнете ж з POSIX-сумісних регулярних виразів двигунів, хоча):

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

Це регулярний вираз, який я використовую для видалення повторюваних фраз у своєму боті, що посмикується:

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

(\S+\s*) шукає будь-який рядок символів, який не є пробілом, а йде пробіл.

\1{2,}то шукає більше двох екземплярів цієї фрази в рядку. Якщо є 3 фрази, які однакові, вони збігаються.

Наведений нижче вираз повинен правильно працювати, щоб знайти будь-яку кількість послідовних слів. Відповідність може бути нечутливою до регістру.

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));
}

Введення зразка: Прощавай до побачення GooDbYe

Вибірка зразка: До побачення

Пояснення:

Вираз регулярного вираження:

\ b: Початок межі слова

\ w +: Будь-яка кількість символів слова

(\ s + \ 1 \ b) *: будь-яка кількість пробілу, за яким слідує слово, яке відповідає попередньому слову та закінчує межу слова. Вся річ, загорнута в *, допомагає знайти більше, ніж один повтор.

Групування:

m.group (0): Чи повинен містити відповідну групу у наведеному вище випадку Прощавай до побачення GooDbYe

m.group (1): повинен містити перше слово узгодженого шаблону у наведеному вище випадку Goodbye

Метод заміни повинен замінити всі послідовні відповідні слова першим екземпляром слова.

Ні. Це неправильна граматика. Можливо, ви можете використовувати регулярні вирази, що залежать від двигуна / мови, але не існує універсального регулярного виразу, який може це зробити.

Ось один, який ловить кілька слів кілька разів:

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

Regex to Strip 2+ дублюючих слів (послідовні / непослідовні слова)

Спробуйте цей регулярний вираз, який може вловлювати 2 або більше дублікатів слів і залишати після себе лише одне слово. І повторювані слова навіть не повинні бути послідовними .

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

Тут \bвикористовується для Word Boundary, ?=використовується для позитивного пошуку та \1використовується для зворотного посилання.

Приклад Джерело

Приклад у Javascript: Хороші частини можна адаптувати для цього:

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

\ b використовує \ w для меж слова, де \ w еквівалентно [0-9A-Z_a-z]. Якщо ви не заперечуєте проти цього обмеження, прийнята відповідь - це добре.

Оскільки деякі розробники заходять на цю сторінку в пошуках рішення, яке не тільки усуває дублікати послідовних підрядів, що не є пробілами, але і триплікати і далі, я покажу адаптовану схему.

Шаблон: /(\b\S+)(?:\s+\1\b)+/( Демонстраційний зразок )
Замінити: $1(замінює повну струну матчу групою захоплення №1)

Цей зразок жадібно відповідає "цілій" підрядковій смузі без пробілів, тоді потрібна одна чи більше копій відповідних підрядків, які можуть бути обмежені одним або декількома символами пробілу (пробіл, вкладка, новий рядок тощо).

Конкретно:

• \b (границя слів) життєво важливі для того, щоб часткові слова не відповідали.
• Друга дужка - це група, яка не захоплює, тому що цю підстроку змінної ширини не потрібно фіксувати - лише відповідати / поглинати.
• +(Один або більше квантор) на неробочий захопленні групи є більш відповідним , ніж *тому , що *буде «турбувати» движок регулярних виразів для захоплення і замінити одноточечного входження - це марнотратно шаблон дизайн.

* зверніть увагу, якщо ви маєте справу з реченнями або вхідними рядками з розділовими знаками, то шаблон потрібно буде ще вдосконалити.

Цей вираз (натхненний Майком, вище), схоже, охоплює всі дублікати, потрійні копії тощо, включаючи ті, що знаходяться в кінці рядка, чого більшість інших не робить:

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

Я знаю, що питання, яке задається, відповідати дублікатам , але у трьох примірниках є лише два дублікати поруч :)

По-перше, я (^|\s+)переконався, що він починається з повного слова, інакше "дитячий стейк" перейшов би до "дитячого стейку" (відповідність "с"). Потім він відповідає всім повним словам ( (\b\S+\b)), після чого закінчується рядок ( $) або ряд пробілів ( \s+), весь повторюється не один раз.

Я спробував це так, і це спрацювало добре:

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

Використовуйте це в тому випадку, якщо ви хочете перевірити не дублюючі регістри дублікатів слів.

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