Regex pour supprimer les caractères et combinaisons dupliqués
J'ai une chaîne qui se compose de mots qui ont des caractères dupliqués à la fin. Ces caractères peuvent être dans de telles combinaisons:
- wordxxxx
- wordxyxyxy
- motxyzxyzxyz
Par exemple:
string = "Thisssssssss isisisis echooooooo stringggg. Replaceaceaceace a répété les groupes de symbolessss"
J'ai trouvé un moyen de remplacer certaines des combinaisons répétées, de cette façon:
re.sub(r'([a-z]{1,3})\1+', r'\1', string)
J'obtiens ces résultats:
C'est un écho-stringg. Remplacer des groupes répétés de symboles
Comment dois-je changer l'expression régulière pour supprimer TOUS les caractères répétés et leurs combinaisons?
Votre regex est presque correcte.
Vous devez ajouter
?au groupe de capture, afin qu'il corresponde aussi peu que possible ("correspondance paresseuse" plutôt que le comportement par défaut "gourmand" qui correspond autant que possible).J'ai également utilisé à la
+place de{1,3}car limiter la répétition à3semblait arbitraire.Vous pouvez observer la différence entre les deux comportements: gourmand vs paresseux . Notez que:
Le comportement avide voit
aaaacommeaa * 2plutôt quea * 4Le comportement gourmand ne fonctionne que pour les répétitions de même longueur.
aaaaaest vu commeaa * 2 + aainsi le résultat de remplacement seraitaaaau lieu dea.
for word in "Thisssssssss isisisis echooooooo stringggg. Replaceaceaceace repeatedededed groupssss of symbolssss".split():
print(re.sub(r'([a-z]+?)\1+', r'\1', word))
les sorties
This
is
echo
string.
Replace
repeated
groups
of
symbols