Regulärer Ausdruck für doppelte Wörter

Ich bin ein Neuling mit regulären Ausdrücken, und ich kann nicht genau herausfinden, wie man einen einzelnen regulären Ausdruck schreibt, der mit doppelten aufeinanderfolgenden Wörtern "übereinstimmt", wie z.

Paris in der der Frühling.

Nicht , dass das damit zusammenhängt.

Warum lachst du? Sind meine regulären Ausdrücke so schlecht?

Gibt es einen einzelnen regulären Ausdruck, der mit ALLEN fettgedruckten Zeichenfolgen oben übereinstimmt?

Versuchen Sie diesen regulären Ausdruck:

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

Hier \bist eine Wortgrenze und \1verweist auf die erfasste Übereinstimmung der ersten Gruppe.

Ich glaube, dieser reguläre Ausdruck behandelt mehr Situationen:

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

Eine gute Auswahl an Testzeichenfolgen finden Sie hier: http://callumacrae.github.com/regex-tuesday/challenge1.html

Versuchen Sie dies mit unten RE

• \ b Beginn der Wortwortgrenze
• \ W + ein beliebiges Wortzeichen
• \ 1 dasselbe Wort stimmte bereits überein
• \ b Wortende

• () * Wiederholen

  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();
  }

Die weit verbreitete PCRE - Bibliothek kann solche Situationen bewältigen (Sie werden nicht erreichen , die das gleiche mit POSIX-kompatibelen regex Motoren, obwohl):

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

Dies ist der reguläre Ausdruck, mit dem ich doppelte Phrasen in meinem zuckenden Bot entferne:

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

(\S+\s*) sucht nach Zeichenfolgen, die keine Leerzeichen sind, gefolgt von Leerzeichen.

\1{2,}sucht dann nach mehr als 2 Instanzen dieser Phrase in der Zeichenfolge, die übereinstimmen. Wenn 3 Sätze identisch sind, stimmt sie überein.

Nein, das ist eine unregelmäßige Grammatik. Möglicherweise gibt es motor- / sprachspezifische reguläre Ausdrücke, die Sie verwenden können, aber es gibt keinen universellen regulären Ausdruck, der dies kann.

Hier ist eine, die mehrere Wörter mehrmals fängt:

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

Regex to Strip 2+ doppelte Wörter (aufeinanderfolgende / nicht aufeinanderfolgende Wörter)

Versuchen Sie diesen regulären Ausdruck, der zwei oder mehr doppelte Wörter erfassen und nur ein einziges Wort zurücklassen kann. Und die doppelten Wörter müssen nicht einmal aufeinanderfolgend sein .

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

Hier \bwird für die Wortgrenze verwendet, ?=wird für einen positiven Lookahead verwendet und \1wird für die Rückreferenzierung verwendet.

Beispiel Quelle

Der folgende Ausdruck sollte korrekt funktionieren, um eine beliebige Anzahl aufeinanderfolgender Wörter zu finden. Bei der Zuordnung kann die Groß- und Kleinschreibung nicht berücksichtigt werden.

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));
}

Beispieleingabe: Auf Wiedersehen Auf Wiedersehen GooDbYe

Beispielausgabe: Auf Wiedersehen

Erläuterung:

Der Regex-Ausdruck:

\ b: Beginn einer Wortgrenze

\ w +: Beliebig viele Wortzeichen

(\ s + \ 1 \ b) *: Beliebige Anzahl von Leerzeichen, gefolgt von Wörtern, die mit dem vorherigen Wort übereinstimmen und die Wortgrenze beenden. Das Ganze in * hilft, mehr als eine Wiederholung zu finden.

Gruppierung:

m.group (0): Enthält im obigen Fall die übereinstimmende Gruppe. Auf Wiedersehen, auf Wiedersehen, GooDbYe

m.group (1): Enthält im obigen Fall das erste Wort des übereinstimmenden Musters. Auf Wiedersehen

Die Ersetzungsmethode ersetzt alle aufeinanderfolgenden übereinstimmenden Wörter durch die erste Instanz des Wortes.

Das Beispiel in Javascript: Die guten Teile können dazu angepasst werden:

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

\ b verwendet \ w für Wortgrenzen, wobei \ w [0-9A-Z_a-z] entspricht. Wenn Ihnen diese Einschränkung nichts ausmacht, ist die akzeptierte Antwort in Ordnung.

Da einige Entwickler auf dieser Seite nach einer Lösung suchen, die nicht nur doppelte aufeinanderfolgende Nicht-Leerzeichen-Teilzeichenfolgen, sondern auch dreifache und darüber hinaus eliminiert, zeige ich das angepasste Muster.

Pattern: /(\b\S+)(?:\s+\1\b)+/( Pattern Demo )
Replace: $1(ersetzt das Fullstring Match durch Capture Group # 1)

Dieses Muster stimmt gierig mit einem "ganzen" Nicht-Leerzeichen-Teilstring überein und erfordert dann eine oder mehrere Kopien des übereinstimmenden Teilstrings, die durch ein oder mehrere Leerzeichen (Leerzeichen, Tabulator, Zeilenumbruch usw.) begrenzt sein können.

Speziell:

• \b (Wortgrenzen-) Zeichen sind wichtig, um sicherzustellen, dass Teilwörter nicht übereinstimmen.
• Die zweite Klammer ist eine nicht erfassende Gruppe, da dieser Teilstring mit variabler Breite nicht erfasst werden muss - nur angepasst / absorbiert.
• Der +(ein oder mehrere Quantifizierer) in der nicht erfassenden Gruppe ist besser geeignet, als *weil er *die Regex-Engine "stört", um Singleton-Vorkommen zu erfassen und zu ersetzen - dies ist ein verschwenderisches Musterdesign.

* Beachten Sie, dass das Muster weiter verfeinert werden muss, wenn Sie mit Sätzen oder Eingabezeichenfolgen mit Interpunktion arbeiten.

Dieser Ausdruck (inspiriert von Mike oben) scheint alle Duplikate, Triplikate usw. zu erfassen, einschließlich der am Ende der Zeichenfolge, was die meisten anderen nicht tun:

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

Ich kenne die Frage, die gestellt wird, um nur Duplikate abzugleichen, aber ein Dreifach besteht nur aus 2 Duplikaten nebeneinander :)

Zuerst stelle (^|\s+)ich sicher, dass es mit einem vollständigen Wort beginnt, sonst würde "Kindersteak" zu "Kindersteak" gehen (die "s" würden übereinstimmen). Dann stimmt es mit allen vollständigen Wörtern ( (\b\S+\b)) überein , gefolgt von einem Ende von string ( $) oder einer Anzahl von Leerzeichen ( \s+), wobei das Ganze mehr als einmal wiederholt wird.

Ich habe es so versucht und es hat gut funktioniert:

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

Verwenden Sie diese Option, wenn Sie nicht zwischen Groß- und Kleinschreibung suchen und nach doppelten Wörtern suchen möchten.

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