python - 如何处理阿拉伯语中的重复字母

Question

我想通过仅用一个字符替换重复的字符来标准化阿拉伯字符串。例如:单词

 رااااائع

将被标准化为

رائع

我找到了一个适合英语(python)的正则表达式:

s="I loooooooooooooooooove  you" 
s = re.sub(r'(.)\1+', r'\1', s) // s= "I love you"

但是，这个正则表达式不适用于阿拉伯字符串。我不明白原因。我想知道是否有人可以帮助我并提前致谢。

Answer 1

尝试以下操作:

import itertools
string = u"رااااائع"
''.join(char for char, _ in itertools.groupby(string))

我无法用阿拉伯语测试它，但它可以使用普通字符串

引用:itertools.groupby