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重点。

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。

有任何想法吗？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+将任何字符 ( .) 后跟一个或多个相同字符（因为 backref\1它必须相同）替换为两倍的字符。

Answer 2

您可以使用以下方法压缩多次出现的字母itertools.groupby：

>>> ''.join(c for c, _ in groupby("haaaaapppppyyy"))
'hapy'

同样，您可以haappyy从groupbywith

>>> ''.join(''.join(s)[:2] for _, s in groupby("haaaaapppppyyy"))
'haappyy'

Answer 3

您应该在没有减少或正则表达式的情况下执行此操作：

>>> s = 'hhaaaaapppppyyy'
>>> ''.join(['' if i>1 and e==s[i-2] else e for i,e in enumerate(s)])
'haappyy'

重复次数被硬编码到>1及-2以上。一般情况：

>>> reps = 1
>>> ''.join(['' if i>reps-1 and e==s[i-reps] else e for i,e in enumerate(s)])
'hapy'

Answer 4

这是一种方法（仅限于 python 不会说英语的明显限制）。

>>> s="haaaappppyy"
>>> reduce(lambda x,y: x+y if x[-2:]!=y*2 else x, s, "")
'haappyy'