Anahtar kelimeler içeren satırlar içeren bir dosya üzerinde çalışıyorum ve bazı satırlar yinelenen anahtar kelimeler içeriyor.
Örneğin:
dangerous,dangerous,hazardous,perilous
Notepad ++ 'a her satırda yinelenen her sözcüğü kaldırmak istediğimi söylemek istiyorum. Bu örnek dangerous,için kaldırılacak:
dangerous,hazardous,perilous
Bunun gibi bir grup satırım var ve bu yüzden bunu yapmanın otomatik bir yolunu arıyorum.
Yanıtlar:
Bir satırdaki art arda yinelenen sözcükleri kaldırmak için normal bir ifade kullanabilirsiniz, ancak ardışık olmayan (örneğin dangerous, hazardous, dangerous) yinelenen sözcükleri kaldırmanın mümkün olduğunu düşünmüyorum .
Bu regex tüm ardışık yinelenen kelimeleri kaldırır - bu arka arkaya 2 yinelenen kelime veya 10 çoğaltılamaz kelimeleri olsun: \b(\w+)(?:,\s+\1\b)+ .
Aynı virgül içermeyen normal ifade şu şekildedir: \b(\w+)(?:\s+\1\b)+(diğer kullanıcılar için yararlı olabilir).
Özellikle sadece iki çoğaltılamaz kelimeler (çift) için bir regex istiyorsanız, bu normal ifadeler kullanabilirsiniz: (\b\w+\b)\W+\1.
Bu regex yerleştirin değiştirin kelimenin kez kullanıldığını tutmak için kutunun (aksi takdirde tüm tekrarlanan kelimeler silinecektir): ${1} .
Bu düzenli ifadeler, sorunuzda açıkladığınız gibi bir durumu örnek olarak düzeltir. İlk regex her sayıda yinelenen kelime (ör. dangerous, dangerous, dangerous, dangerous, hazardous) İçin kullanılırken, ikinci sürüm yalnızca iki yinelenen kelime (ör. dangerous, dangerous, hazardous) İçin çalışır.
Not: Normal ifade sadece biçimleri gibi, yani söz konusu açıklanan formatta uygulanır two words, two words, anotherword, two-words, two-words, anotherword, three words expression, three words expression, anotherwordregex onlar için geçerli değildir çünkü değişmeyecektir.
(\b\w+\b)\W+\1iki yinelenen kelime için. Cevabımı düzenleyeceğim. Virgüller, diğer normal ifadenin neden çalışmadığından kaynaklanır.
word, word, anotherword. Bununla birlikte, biraz farklı, örneğin came across, came across3 veya 4 kelimeli birçok örneğiniz var . Ayrıca orada olan kelimelerdir 'gibi don'tve daha karmaşık şeyler yapar Notepad ++ regex sistemine . Notepad ++ regex sistemi de oldukça can sıkıcı ve sınırlıdır, bu nedenle çözüm python'da (veya başka bir dilde) regex kullanmak veya Notepad ++ için formata özgü düzenli ifadeler yapmaktır.
İşte işi yapmanın bir yolu, bitişik olmasalar bile tüm yinelenen kelimelerin yerini alacak:
(?:^|\G)(\b\w+\b),?(?=.*\1)LEAVE EMPTY. matches newlineAçıklama:
(?:^|\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
Aşağıdaki gibi bir girdi verildi:
dangerous,dangerous,hazardous,perilous,dangerous,dangerous,hazardous,perilous
Aldık:
dangerous,hazardous,perilous
dangerous,hazardous,dangerous,perilous? Başka bir deyişle, yinelenen kelimeler her zaman yan yana mıdır?