regex - 删除重复文本

Question

有人可以修改此正则表达式以删除示例中的单词：

这不适用于下面的额外内容： (<.+?\/>)(?=\1)

<text><text>extra<words><text><words><something>

应该变成：

<text>extra<words><something>

谢谢

Answer 1

这是我使用lookbehinds和back references想出的：

(<[^>]+>)(?<=\1.*\1)

这将匹配<tag>前面至少有一个相同的其他实例的任何实例<tag>。

例如，要在 C# 中使用它：

var input = "<text><text>extra<words><text><words><something>";
var output Regex.Replace(input, @"(<[^>]+>)(?<=\1.*\1)", "");
Console.WriteLine(output); // <text>extra<words><something>

但是，这不适用于许多正则表达式。例如，JavaScript 不支持lookbehinds。