Yinelenen Kelimeler İçin Normal İfade

Ben bir normal ifade acemiyim ve aşağıdaki gibi birbirini takip eden yinelenen kelimelerle "eşleşecek" tek bir normal ifadeyi nasıl yazacağımı tam olarak anlayamıyorum:

Paris bahar.

Değil o ilgilidir.

Neden gülüyorsun? Are benim benim normal ifadeler BU kötü ??

Yukarıdaki kalın dizelerin TÜMÜ ile eşleşen tek bir normal ifade var mı?

Bu normal ifadeyi deneyin:

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

İşte \bbir kelime sınırı ve \1ilk grubun yakalanan eşleşmesine atıfta bulunuyor.

Bu normal ifadenin daha fazla durumu ele aldığına inanıyorum:

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

İyi bir test dizesi seçimi burada bulunabilir: http://callumacrae.github.com/regex-tuesday/challenge1.html

Bunu aşağıdaki RE ile deneyin

• \ b kelime başı kelime sınırı
• \ W + herhangi bir kelime karakteri
• \ 1 aynı kelime zaten eşleşti
• \ b kelimenin sonu

• () * Tekrar tekrar

  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();
  }

Yaygın olarak kullanılan PCRE kitaplığı bu tür durumların üstesinden gelebilir ( yine de POSIX uyumlu regex motorlarıyla aynı şeyi elde edemezsiniz ):

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

Bu, twitch botumdaki yinelenen cümleleri kaldırmak için kullandığım normal ifade:

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

(\S+\s*) boşluk olmayan herhangi bir karakter dizisini arar, ardından boşluk bırakır.

\1{2,}daha sonra dizede eşleştirmek için bu kelime öbeğinin 2'den fazla örneğini arar. Birbirinin aynısı olan 3 cümle varsa, eşleşir.

Aşağıdaki ifade, herhangi bir sayıda ardışık sözcük bulmak için doğru şekilde çalışmalıdır. Eşleştirme, büyük / küçük harfe duyarlı olmayabilir.

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));
}

Örnek Giriş: Hoşçakal GooDbYe

Örnek Çıktı: Hoşçakal

Açıklama:

Normal ifade ifadesi:

\ b: Bir sözcük sınırının başlangıcı

\ w +: Herhangi bir sayıda kelime karakteri

(\ s + \ 1 \ b) *: Önceki kelimeyle eşleşen ve kelime sınırını sona erdiren kelimenin izlediği herhangi bir sayıda boşluk. * İçine sarılmış olan her şey, birden fazla tekrar bulmaya yardımcı olur.

Gruplama:

m.group (0): Yukarıdaki durumda elveda GooDbYe'deki eşleşen grubu içerecek

m.grup (1): Yukarıdaki Hoşçakal durumunda eşleşen kalıbın ilk kelimesini içerecektir

Değiştirme yöntemi, birbirini izleyen tüm eşleşen kelimeleri, kelimenin ilk geçtiği yerle değiştirecektir.

Hayır. Bu düzensiz bir gramerdir. Kullanabileceğiniz motora / dile özgü düzenli ifadeler olabilir, ancak bunu yapabilen evrensel bir normal ifade yoktur.

İşte birden çok kelimeyi birden çok kez yakalayan:

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

Normalden Sıyırmak 2+ yinelenen sözcük (ardışık / ardışık olmayan sözcükler)

Yinelenen 2 veya daha fazla kelimeyi yakalayabilen ve arkasında yalnızca tek bir kelime bırakan bu normal ifadeyi deneyin. Ve yinelenen kelimelerin ardışık olmasına bile gerek yoktur .

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

Burada, \bKelime Sınırı ?=için kullanılır, pozitif bakış \1için kullanılır ve geriye referans için kullanılır.

Örnek Kaynak

Javascript'teki örnek: The Good Parts, bunu yapacak şekilde uyarlanabilir:

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

\ b, kelime sınırları için \ w kullanır; burada \ w [0-9A-Z_a-z] ile eşdeğerdir. Bu sınırlamaya aldırmazsanız, kabul edilen cevap iyidir.

Bazı geliştiriciler, yalnızca birbirini izleyen boşluk olmayan alt dizeleri aynı zamanda üç kopya ve ötesini ortadan kaldıran bir çözüm arayışı içinde bu sayfaya geldiklerinden, uyarlanmış modeli göstereceğim.

Desen: /(\b\S+)(?:\s+\1\b)+/( Desen Demosu )
Değiştirin:$1 (tam dize eşleşmesini yakalama grubu 1 ile değiştirir)

Bu desen, "tam" boşluk olmayan bir alt dizeyle açgözlülükle eşleşir, daha sonra eşleşen alt dizenin bir veya daha fazla boşluk karakteri (boşluk, sekme, satırsonu, vb.) İle sınırlandırılabilen bir veya daha fazla kopyasını gerektirir.

özellikle:

• \b (kelime sınırı) karakterleri, kısmi kelimelerin eşleşmemesini sağlamak için çok önemlidir.
• İkinci parantez, yakalama yapmayan bir gruptur, çünkü bu değişken genişlikteki alt dizenin yakalanması gerekmez - yalnızca eşleşir / emilir.
• +olmayan yakalama grubuna (bir veya daha fazla nicelik) daha uygun olduğunu *, çünkü *yakalama için normal ifade motoru "rahatsız" ve oluşumları tekil yerini alacak - Bu savurgan desen tasarımdır.

* Cümleler veya noktalama işaretli giriş dizeleriyle uğraşıyorsanız, kalıbın daha da iyileştirilmesi gerekeceğini unutmayın.

Bu ifade (yukarıda Mike'tan esinlenmiştir), dizenin sonundakiler de dahil olmak üzere, diğerlerinin çoğunun yapmadığı tüm kopyaları, üçlüleri vb. Yakalıyor gibi görünüyor:

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

Sorunun yalnızca kopyalarla eşleşmesi için sorulduğunu biliyorum , ancak üç kopya, yan yana yalnızca 2 kopya var :)

İlk olarak, (^|\s+)tam bir kelime ile başladığından emin olmak istedim , aksi takdirde "çocuğun bifteği", "çocuk bifteği" ne giderdi ("s" ler eşleşir). Ardından, tüm tam sözcüklerle ( (\b\S+\b)) eşleşir , ardından dize sonuyla ( $) veya birkaç boşlukla ( \s+) eşleşir ; tümü birden fazla tekrarlanır.

Bunu böyle denedim ve iyi çalıştı:

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

Yinelenen sözcükler için büyük / küçük harfe duyarlı olmayan denetim yapmak istediğinizde bunu kullanın.

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