重複する単語の正規表現

私は正規表現の初心者です。次のような重複する連続する単語と「一致する」単一の正規表現を作成する方法を理解できません。

パリ春。

それは関連しているわけではありません。

なぜ笑っている？ある私の私の正規表現は、THAT悪いです？

上記のすべての太字の文字列に一致する単一の正規表現はありますか？

次の正規表現を試してください：

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

これ\bは単語の境界\1であり、最初のグループのキャプチャされた一致を参照します。

私はこの正規表現がより多くの状況を処理すると信じています：

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

テスト文字列の良い選択はここで見つけることができます：http : //callumacrae.github.com/regex-tuesday/challenge1.html

以下のREでこれを試してください

• \ b単語の始まり単語の境界
• \ W +任意の単語文字
• \ 1同じ単語がすでに一致しています
• \ b単語の終わり

• （）*繰り返し

  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();
  }

広く使用されているPCREライブラリは、このような状況を処理できます（ただし、POSIX準拠の正規表現エンジンでは同じことを実現できません）。

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

これは、twitchボットで重複したフレーズを削除するために使用する正規表現です。

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

(\S+\s*) 空白ではなく空白に続いていない文字列を探します。

\1{2,}次に、一致する文字列でそのフレーズの2つ以上のインスタンスを探します。同一のフレーズが3つある場合、一致します。

次の式は、任意の数の連続する単語を見つけるために正しく機能するはずです。照合では大文字と小文字が区別されません。

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));
}

入力例：Goodbye goodbye GooDbYe

出力例：さようなら

説明：

正規表現：

\ b：単語境界の始まり

\ w +：任意の数の単語文字

（\ s + \ 1 \ b）*：前の単語と一致し、単語の境界を終了する単語が続く任意の数のスペース。*で囲まれた全体は、複数の繰り返しを見つけるのに役立ちます。

グループ化：

m.group（0）：上記のケースで一致したグループを含める必要がありますGoodbye goodbye GooDbYe

m.group（1）：上記のケースでは、一致したパターンの最初の単語が含まれます。

Replaceメソッドは、連続するすべての一致する単語をその単語の最初のインスタンスで置き換えます。

いいえ、それは不規則な文法です。使用できるエンジン/言語固有の正規表現があるかもしれませんが、それを行うことができる普遍的な正規表現はありません。

これは、複数の単語を複数回キャッチするものです。

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

正規表現からストリップ2+の重複する単語（連続する単語または連続しない単語）

2つ以上の重複する単語をキャッチし、1つの単語だけを残すことができるこの正規表現を試してください。また、重複する単語は連続している必要はありません。

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

ここで\bは、ワード境界に?=使用され、ポジティブルックアヘッドに\1使用され、逆参照に使用されます。

ソースの例

Javascriptの例：Good Partsはこれを行うように調整できます。

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

\ bは単語の境界に\ wを使用します。\ wは[0-9A-Z_a-z]と同等です。その制限を気にしない場合は、受け入れられた答えで結構です。

一部の開発者は、重複する連続する空白以外の部分文字列を排除するだけでなく、3つ以上の重複を排除するソリューションを求めてこのページにアクセスしているため、適応パターンを示します。

パターン：/(\b\S+)(?:\s+\1\b)+/（柄デモ）
置き換えます$1（キャプチャグループ＃1とfullstring試合を置き換え）

このパターンは、「空白」の非空白部分文字列に貪欲に一致し、1つ以上の空白文字（スペース、タブ、改行など）で区切られた一致した部分文字列の1つ以上のコピーが必要です。

具体的には：

• \b （単語の境界）文字は、部分的な単語が一致しないようにするために不可欠です。
• 2番目の括弧は非キャプチャグループです。この可変幅のサブストリングはキャプチャする必要がないため、一致/吸収されるだけです。
• +非キャプチャグループに（一つ以上の数量詞）がより適切である*ため*、キャプチャに正規表現エンジンを「わざわざ」と出現シングルトン置き換えられます-これは無駄なパターン設計です。

*句読点を含む文や入力文字列を扱う場合は、パターンをさらに調整する必要があります。

この式（上記のMikeからインスピレーションを得たもの）は、文字列の最後にあるものを含め、すべての重複、3重などをキャッチしているようですが、他のほとんどの式はこれを行いません。

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

重複を照合するように求められる質問を知っていますのみが、3つは隣同士の重複2つだけです:)

まず、(^|\s+)完全な単語で始まることを確認します。そうでない場合、「子供のステーキ」は「子供のステーキ」に行きます（「s」は一致します）。次に、すべての完全な単語（(\b\S+\b)）に一致し、その後に文字列の終わり（$）またはいくつかのスペース（\s+ます。全体が2回以上繰り返されます。

私はこのようにしてみましたが、うまくいきました：

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

重複する単語の大文字と小文字を区別しないチェックが必要な場合に使用します。

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