python - 从单词中删除重复字符

Question

我想知道将“haaaaapppppyyy”之类的内容转换为“haappyy”的最佳方法是什么。

基本上，在解析俚语时，人们有时会重复字符以增加强调。

我想知道最好的方法是什么？使用 set() 不起作用，因为字母的顺序显然很重要。

有什么想法吗？我正在使用 Python + nltk。

Answer 1

可以使用正则表达式来完成:

>>> import re
>>> re.sub(r'(.)\1+', r'\1\1', "haaaaapppppyyy")     
'haappyy'

(.)\1+ 替换任何字符 (.) 后跟一个或多个相同的字符(因为 backref \1 必须相同)乘以字符的两倍。