重复单词的正则表达式

我是一个正则表达式新手，我还不太清楚如何编写一个可以与任何重复的连续单词“匹配”的正则表达式，例如：

在巴黎的的春天。

并不是说这有关。

你笑什么？是我的我的正则表达式不好？

是否有一个单个正则表达式将与上面的所有粗体字符串匹配？

试试这个正则表达式：

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

这\b是单词边界，它\1引用的是第一组捕获的匹配项。

我相信此正则表达式可以处理更多情况：

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

可以在这里找到测试字符串的很好选择：http : //callumacrae.github.com/regex-tuesday/challenge1.html

尝试以下RE

• \ b词的开始词边界
• \ W +任何单词字符
• \ 1个相同的单词已经匹配
• \ b字尾

• （）*再次重复

  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();
  }

广泛使用的PCRE库可以处理这种情况（你不会达到的了与POSIX兼容的正则表达式引擎一样，虽然）：

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

这是我用来删除twitch机器人中重复短语的正则表达式：

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

(\S+\s*) 查找不是空格的任何字符串，后跟空格。

\1{2,}然后在字符串中查找该短语的两个以上实例以进行匹配。如果有3个相同的词组，则匹配。

下面的表达式应该可以正常工作以查找任意数量的连续单词。匹配可以不区分大小写。

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));
}

输入样本：再见再见GooDbYe

样本输出：再见

说明：

正则表达式：

\ b：单词边界的开始

\ w +：任意数量的单词字符

（\ s + \ 1 \ b）*：任意数量的空格，后跟与前一个单词匹配并结束单词边界的单词。用*包裹的整个内容有助于找到多个重复项。

分组：

m.group（0）：在上述情况下将包含匹配的组再见再见GooDbYe

m.group（1）：在上述情况下，再包含匹配模式的第一个单词再见

替换方法应将所有连续匹配的单词替换为单词的第一个实例。

不，那是不规则的语法。您可能会使用特定于引擎/语言的正则表达式，但是没有通用的正则表达式可以做到这一点。

这是一个可以多次捕获多个单词的单词：

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

正则表达式剥离2个以上重复的单词（连续/非连续单词）

尝试使用此正则表达式，它可以捕获2个或更多重复的单词，并且仅留下一个单词。并且重复的单词甚至不必是连续的。

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

在此，\b用于词边界，?=用于正向超前，并\1用于向后引用。

范例 来源

可以使用Javascript中的示例：优良零件来做到这一点：

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

\ b将\ w用于单词边界，其中\ w等效于[0-9A-Z_a-z]。如果您不介意该限制，则可接受的答案很好。

由于一些开发人员正在此页面上寻找一种解决方案，该解决方案不仅消除了重复的连续非空白子字符串，而且消除了三重复以及以后的内容，因此，我将展示适应的模式。

图案：/(\b\S+)(?:\s+\1\b)+/（图形演示）
替换：$1（与捕获组＃替换fullstring匹配1）

此模式贪婪地匹配“整个”非空白子字符串，然后需要一个或多个匹配子字符串的副本，这些副本可以由一个或多个空白字符（空格，制表符，换行符等）分隔。

特别：

• \b （单词边界）字符对于确保部分单词不匹配至关重要。
• 第二个括号是一个非捕获组，因为不需要捕获此可变宽度子字符串-只需匹配/吸收即可。
• +非捕获组上的（一个或多个量词）比*因为*“阻止”正则表达式引擎捕获和替换单例事件更合适-这是浪费的模式设计。

*请注意，如果您要处理带有标点符号的句子或输入字符串，则需要进一步完善模式。

这个表达式（从上面的Mike那里得到启发）似乎捕获了所有重复项，三重复项等，包括字符串末尾的重复项，而大多数其他字符串却没有：

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

我知道这个问题要匹配重复项，但是一式三份只是彼此相邻的两个重复项：）

首先，我(^|\s+)确保它以一个完整的单词开头，否则“儿童牛排”将变为“儿童牛排”（“ s”将匹配）。然后，它匹配所有完整单词（(\b\S+\b)），然后匹配字符串（$）的末尾或多个空格（\s+），整个重复不止一次。

我这样尝试过，效果很好：

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

如果要对重复的单词进行不区分大小写的检查，请使用此选项。

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