Регулярное выражение для повторяющихся слов

Попробуйте это регулярное выражение:

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

Здесь \b - это граница слова, а \1 ссылается на зафиксированное совпадение первой группы.

Я считаю, что это регулярное выражение обрабатывает больше ситуаций:

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

Хороший выбор тестовых строк можно найти здесь: http://callumacrae.github.com/regex-tuesday/challenge1.html

Попробуйте это с RE ниже

• \ b начало слова границы слова
• \ W + любой символ слова
• \ 1 такое же слово уже найдено
• \ b конец слова

• () * Повторение снова

  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();
  }
  

Приведенное ниже выражение должно работать правильно, чтобы найти любое количество последовательных слов. Сопоставление может быть нечувствительным к регистру.

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));
}

Пример ввода: Прощай, прощай, GooDbYe

Пример вывода: до свидания

Объяснение:

Выражение регулярного выражения:

\ b: начало границы слова

\ w +: любое количество символов слова

(\ s + \ 1 \ b) *: любое количество пробелов, за которым следует слово, которое соответствует предыдущему слову и заканчивается границей слова. Всё, завернутое в *, помогает найти более одного повтора.

Группировка:

m.group (0): должна содержать совпавшую группу в приведенном выше случае. До свидания, до свидания, GooDbYe.

m.group (1): Должен содержать первое слово совпадающего шаблона в приведенном выше случае. До свидания.

Метод Replace заменяет все последовательные совпадающие слова первым экземпляром слова.

Regex to Strip 2+ duplicate words (consecutive/non-consecutive words)

Попробуйте это регулярное выражение, которое может поймать 2 или более повторяющихся слова и оставить только одно слово. И повторяющиеся слова не обязательно должны быть последовательными.

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

Здесь \b используется для границы слова, ?= используется для положительного просмотра вперед, а \1 используется для обратной ссылки.

Пример Источник

Широко используемая библиотека PCRE может справиться с такими ситуациями (однако вы не получите того же с POSIX-совместимыми механизмами регулярных выражений):

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

Нет. Это неправильная грамматика. Вы можете использовать регулярные выражения для конкретного движка / языка, но не существует универсального регулярного выражения, которое могло бы это сделать.

Это регулярное выражение, которое я использую для удаления повторяющихся фраз в моем Twitch-боте:

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

(\S+\s*) ищет любую строку символов, не являющуюся пробелом, за которой следует пробел.

\1{2,} затем ищет более двух экземпляров этой фразы в строке для сопоставления. Если есть 3 одинаковых фразы, они совпадают.

Вот тот, который несколько раз перехватывает несколько слов:

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

Пример на Javascript: The Good Parts можно адаптировать для этого:

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

\ b использует \ w для границ слова, где \ w эквивалентно [0-9A-Z_a-z]. Если вы не возражаете против этого ограничения, принятый ответ в порядке.

Поскольку некоторые разработчики заходят на эту страницу в поисках решения, которое не только устраняет повторяющиеся последовательные подстроки без пробелов, но и трижды, я покажу адаптированный шаблон.

Шаблон: /(\b\S+)(?:\s+\1\b)+/ (Образец демонстрации)
Заменить: $1 (заменяет совпадение полной строки захватом группа 1)

Этот шаблон жадно сопоставляет «целую» подстроку без пробелов, а затем требует одну или несколько копий сопоставленной подстроки, которые могут быть разделены одним или несколькими пробельными символами (пробел, табуляция, новая строка и т. Д.).

Конкретно:

• Символы \b (границы слова) жизненно важны для предотвращения совпадения частичных слов.
• Вторая скобка - это группа без захвата, потому что эту подстроку переменной ширины не нужно захватывать - нужно только сопоставить / поглотить.
• + (один или несколько квантификаторов) в группе без захвата более уместен, чем *, потому что * будет «мешать» механизму регулярных выражений захватывать и заменять вхождения синглтонов - это расточительный дизайн шаблона.

* обратите внимание, если вы имеете дело с предложениями или строками ввода с пунктуацией, тогда шаблон необходимо будет дополнительно уточнить.

Это выражение (вдохновленное Майком, приведенным выше), кажется, улавливает все дубликаты, трижды и т. Д., Включая те, которые находятся в конце строки, чего нет у большинства других:

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

Я знаю, что вопрос задан для сопоставления только дубликатов, но три дубликата - это всего лишь 2 дубликата рядом друг с другом :)

Сначала я поставил (^|\s+), чтобы убедиться, что он начинается с полного слова, иначе «детский стейк» перейдет в «детский стейк» (буквы «s» будут соответствовать). Затем он сопоставляет все полные слова ((\b\S+\b)), за которыми следует конец строки ($) или количество пробелов (\s+), все повторяется более одного раза.

Я пробовал вот так, и все получилось:

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

Используйте это в случае, если вы хотите проверять наличие повторяющихся слов без учета регистра.

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