Я працюю над файлом, що містить рядки з ключовими словами, а деякі рядки містять дублювані ключові слова.
Наприклад:
dangerous,dangerous,hazardous,perilous
Я хочу сказати Notepad ++, що я хочу видалити кожне дублюване слово в рядку. Для цього прикладу dangerous,буде видалено:
dangerous,hazardous,perilous
У мене є купа подібних рядків, і саме тому я шукаю автоматизований спосіб зробити це.
Відповіді:
Ви можете використовувати звичайний вираз для видалення послідовних дублюваних слів у рядку, проте я не думаю, що можливо видалити дублювані слова, які не є послідовними (наприклад dangerous, hazardous, dangerous).
Це регулярний вираз видаляє всі послідовні дубльовані слова - будь то 2 дубльованими словами або 10 дубльованих слів послідовно: \b(\w+)(?:,\s+\1\b)+ .
Точно такий же регулярний вираз без коми - це: \b(\w+)(?:\s+\1\b)+(може бути корисним для інших користувачів).
Якщо ви хочете , регулярний вираз , в зокрема тільки два дубльованих слова (двійники), використовуйте це регулярний вираз: (\b\w+\b)\W+\1.
Помістіть це регулярний вираз в Замінити коробку , щоб зберегти одне входження слова ( в іншому випадку все повторювані слова будуть видалені): ${1} .
Ці регулярні вирази виправлять ситуацію, схожу на ту, яку ви описали у своєму запитанні як приклад. Перший регулярний вираз буде працювати для кожної кількості дублюваних слів (наприклад dangerous, dangerous, dangerous, dangerous, hazardous), а другий варіант працюватиме лише для двох дублюваних слів (наприклад dangerous, dangerous, hazardous).
Примітка: Регулярний вираз застосовуватиметься лише до формату, описаного у запитанні, тобто такі формати, як two words, two words, anotherword, наприклад two-words, two-words, anotherword, three words expression, three words expression, anotherwordне будуть змінені, оскільки регулярний вираз не застосовуватиметься до них.
(\b\w+\b)\W+\1для двох дублюваних слів. Я відредагую свою відповідь. Коми, чому інший регулярний вираз не працює.
word, word, anotherword. Однак у вас є багато примірників, які трохи відрізняються, як, наприклад, came across, came acrossдеякі з 3 або 4 слова. Також є слова з 'подібними, don'tі це ускладнює справи в системі регулярних виразів Notepad ++ . Система регулярних виразів Notepad ++ також досить дратівлива і обмежена, тому рішенням є або використовувати регулярний вираз в python (або іншій мові), або вносити регулярні вирази для Notepad ++, характерні для формату.
Ось спосіб виконати цю роботу, це замінить усі повторювані слова, навіть якщо вони не є суміжними:
(?:^|\G)(\b\w+\b),?(?=.*\1)LEAVE EMPTY. matches newlineПояснення:
(?:^|\G) : non capture group, beginning of line or position of last match
(\b\w+\b) : group 1, 1 or more word character (ie. [a-zA-Z0-9_]), surrounded by word boundaries
,? : optional comma
(?=.*\1) : positive lookahead, check if thhere is the same word (contained in group 1) somewhere after
Враховуючи такі дані:
dangerous,dangerous,hazardous,perilous,dangerous,dangerous,hazardous,perilous
Ми отримали:
dangerous,hazardous,perilous
dangerous,hazardous,dangerous,perilous? Іншими словами, чи дублюються слова завжди поруч?