python - 如何删除重复的字母，但添加一些异常(exception)字母

Question

我正在尝试使用 python 从 Instagram 进行数据清理。
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 2 个重复的字母 (aa,gg)
所以它看起来像这样
输入:mengganti、maaf、ppuuutttiiiihhh、mmmmeeeeerrrraaaah、maaagggz
所需输出:mengganti、maaf、putih、meraah、maaggz
我目前用正则表达式做的是这样的:re.compile(r'(.)\1{1,}', re.IGNORECASE).sub(r'\1',kalimat)输入:mengganti、maaf、ppuuutttiiiihhh、mmmmeeeeerrrraaaah、maaagggz
当前输出:menganti、maf、putih、merah、magz
注意:它不必使用正则表达式

Answer 1

您可以先抓拍a和 g并更换为第 1 组 2 次。

([ag])\1+

模式匹配:

([ag])捕获 第 1 组 , 匹配 a或 g

\1+重复组 1 中匹配的相同字符 1+ 次

然后替换除 a 以外的所有字符 g或空白字符，并替换为单个组 1 以删除重复项。

([^\sag])\1+

模式匹配:

(捕获 第 1 组

[^\sag]匹配除 a 或 g 之外的非空白字符

)关闭群 1

\1+重复组 1 中匹配的相同字符 1+ 次

例如

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 Python demo .

或者使用带有交替的单个模式 |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

查看另一个 Python demo或 regex demo