Я работаю над файлом, содержащим строки с ключевыми словами, а некоторые строки содержат дублированные ключевые слова.
Например:
dangerous,dangerous,hazardous,perilous
Я хочу сказать Notepad ++, что я хочу удалить каждое дублированное слово в строке. Для этого примера dangerous,будут удалены:
dangerous,hazardous,perilous
У меня есть несколько таких строк, и поэтому я ищу автоматический способ сделать это.
Ответы:
Вы можете использовать регулярное выражение для удаления последовательных дублированных слов в строке, однако я не думаю, что возможно удалить дублированные слова, которые не являются последовательными (например dangerous, hazardous, dangerous).
Это регулярное выражение удаляет все последовательные дублированные слова - будь то 2 дублированными словами или 10 дублированных слов последовательно: \b(\w+)(?:,\s+\1\b)+ .
Точно такое же регулярное выражение без запятых будет: \b(\w+)(?:\s+\1\b)+(может быть полезно для других пользователей).
Если вы хотите , регулярное выражение , в частности только два дублированных слова (двойники), используйте это регулярное выражение: (\b\w+\b)\W+\1.
Поместите это регулярное выражение в Заменить коробку , чтобы сохранить одно вхождение слова ( в противном случае все повторяющиеся слова будут удалены): ${1} .
Эти регулярные выражения исправят ситуацию, подобную той, что вы описали в своем вопросе в качестве примера. Первое регулярное выражение будет работать для каждого числа дублированных слов (например dangerous, dangerous, dangerous, dangerous, hazardous), а вторая версия будет работать только для двух дублированных слов (например dangerous, dangerous, hazardous).
Примечание: регулярное выражение будет применяться только к формату , описанному в вопросе, а это означает , что форматы , такие как two words, two words, anotherword, two-words, two-words, anotherword, three words expression, three words expression, anotherwordне будет изменено , поскольку регулярное выражение не будет применяться к ним.
(\b\w+\b)\W+\1для двух дублированных слов. Я отредактирую свой ответ. Запятые - вот почему другое регулярное выражение не работает.
word, word, anotherword. Тем не менее, у вас есть много примеров, которые немного отличаются, например, came across, came acrossс 3 или 4 словами. Также есть слова с 'лайком, don'tи это усложняет систему регулярных выражений Notepad ++ . Система регулярных выражений Notepad ++ довольно раздражающая и ограниченная, поэтому решение состоит в том, чтобы либо использовать регулярные выражения в python (или другом языке), либо создавать регулярные выражения для Notepad ++, зависящие от формата.
Вот способ сделать эту работу, он заменит все повторяющиеся слова, даже если они не являются смежными:
(?:^|\G)(\b\w+\b),?(?=.*\1)LEAVE EMPTY. matches newlineОбъяснение:
(?:^|\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
Учитывая вход как:
dangerous,dangerous,hazardous,perilous,dangerous,dangerous,hazardous,perilous
У нас есть:
dangerous,hazardous,perilous
dangerous,hazardous,dangerous,perilous? Другими словами, дублированные слова всегда рядом друг с другом?