如何删除重复的信函，但添加一些例外信函

Question

我正在尝试使用python从instagram中清理数据。
我需要删除那些重复的字母，但在（a，g）上，只删除它们，直到有两个重复的字母（aa，gg）

看起来是这样的
输入：mengganti、maaf、ppuutttiiiiihh、mmmmmeeeeerrraaaah、maaaggz
所需输出：孟甘蒂、马夫、普提赫、梅拉、马格斯

我目前对regex的操作如下：

re.compile(r'(.)\1{1,}', re.IGNORECASE).sub(r'\1',kalimat)

输入：mengganti、maaf、ppuuttiiiiihh、mmmmmeeeerrraaaah、maaggz
当前输出：menganti、maf、putih、merah、magz
注意：它不必使用正则表达式

Answer 1

正则表达式的替代方法是itertools.groupby：

from itertools import groupby

def remove_dups(seq, exclude):
    # gather the intermediate results here
    result = []
    # for each letter and consecutive group it leads...
    for letter, group in groupby(seq):
        # get the length of the group
        group_len = len(list(group))
        if letter not in exclude or group_len < 2:
            # e.g., either not "a" or "g", or appears once in a row
            result.append(letter)
        else:
            # "a" or "g"; repeat by 2
            result.append(letter * 2)

    # new string with join
    return "".join(result)

或相当于一行：

def remove_dups(seq, exclude):
    return "".join(letter
                   if letter not in exclude or len(list(gr)) < 2
                   else 2 * letter
                   for letter, gr in groupby(seq))

groupby返回键为字母的连续组。如果不排除该信函，则按原样将其放在那里；如果连续字母数小于2，则仍按原样放置。如果我们需要排除它，我们把它和重复量2放在一起

样本运行：

>>> remove_dups("mengganti", exclude={"a", "g"})
"mengganti"

>>> remove_dups("maaf", exclude={"a", "g"})
"maaf"

>>> remove_dups("ppuuutttiiiihhh", exclude={"a", "g"})
"putih"

>>> remove_dups("mmmmeeeeerrrraaaah", exclude={"a", "g"})
"meraah"

Answer 2

您可以首先捕获a和g并替换为2次组1

([ag])\1+

模式匹配：

• ([ag])捕获组1，匹配a或g
• \1+对组1中匹配的相同字符重复1+次

然后替换除a{}或空白字符以外的所有字符，并替换为单个组1以删除重复字符

([^\sag])\1+

模式匹配：

• (捕获组1
  • [^\sag]匹配除a或g之外的非空白字符
• )关闭组1
• \1+对组1中匹配的相同字符重复1+次

比如说

import re

s = "mengganti, maaf, ppuuutttiiiihhh, mmmmeeeeerrrraaaah, maaagggz"

print(re.sub(
        r"([^\sag])\1+",
        r"\1",
        re.sub(r"([ag])\1+", r"\1\1", s))
)

输出

mengganti, maaf, putih, meraah, maaggz

见a Python demo

---

或者使用具有交替{}的单个模式，组合具有2个捕获组的2个模式，并使用re.sub和lambda：

import re

pattern = r"([ag])\1+|([^\sag])\2+"
s = "mengganti, maaf, ppuuutttiiiihhh, mmmmeeeeerrrraaaah, maaagggz"
result = re.sub(
        pattern,
        lambda x: x.group(1) * 2 if x.group(1) else x.group(2),
        s
)

if result:
        print(result)

输出

mengganti, maaf, putih, meraah, maaggz

见另一个Python demo或一个regex demo