regex - 什么正则表达式可以从字符串中删除重复项？

Question

给定一个由 分隔的标识符字符串:，是否可以构造一个正则表达式将唯一标识符提取到另一个字符串中，也由 分隔:？

如何使用正则表达式来实现这一点？我试过s/(:[^:])(.*)\1/$1$2/g没有运气，因为(.*)是贪婪的，会跳到$1.

例子：a:b:c:d:c:c:x:c:c:e:e:f应该给a:b:c:d:x:e:f

注意：我正在使用 perl 进行编码，但我非常感谢为此使用正则表达式。

Answer 1

在支持无限重复的.NET中，您可以搜索

(?<=\b\1:.*)\b(\w+):?

并用空字符串替换所有匹配项。

Perl（至少 Perl 5）只支持固定长度的lookbehinds，所以你可以尝试以下方法（使用lookahead，结果略有不同）：

\b(\w+):(?=.*\b\1:?)

如果将其替换为空字符串，则所有先前重复的重复条目都将被删除；最后一个将保留。所以而不是

a:b:c:d:x:e:f

你会得到

a:b:d:x:c:e:f

如果没问题，您可以使用

$subject =~ s/\b(\w+):(?=.*\b\1:?)//g;

解释：

第一个正则表达式：

(?<=\b\1:.*)：检查是否可以匹配反向引用号的内容。1，后跟一个冒号，在字符串之前的某个位置。

\b(\w+):?: 匹配一个标识符（从一个单词边界到下一个:），可选地后跟一个冒号。

第二个正则表达式：

\b(\w+):: 匹配标识符和冒号。

(?=.*\b\1:?)：然后检查是否可以匹配相同的标识符，可选地后跟冒号，在字符串的前面某处。

Answer 2

查看：http ://www.regular-expressions.info/duplicatelines.html

在考虑任何正则表达式时总是一个有用的站点。

Answer 3

$str = q!a:b:c:d:c:c:x:c:c:e:e:f!;

1 while($str =~ s/(:[^:]+)(.*?)\1/$1$2/g);

say $str

输出 ：

a:b:c:d:x:e:f

Answer 4

如果标识符已排序，您可以使用前瞻/后瞻来完成。如果不是，那么这超出了正则表达式的计算能力。现在，仅仅因为正式的正则表达式不可能，并不意味着如果您使用某些 perl 特定的正则表达式功能就不可能，但是如果您想让您的正则表达式保持可移植性，您需要用支持变量的语言来描述这个字符串。

Answer 5

这是一个 awk 版本，不需要正则表达式。

$ echo "a:b:c:d:c:c:x:c:c:e:e:f" | awk -F":" '{for(i=1;i<=NF;i++)if($i in a){continue}else{a[$i];printf $i}}'
abcdxef

拆分“：”上的字段，遍历拆分的字段，将元素存储在数组中。检查是否存在，如果存在，则跳过。否则打印出来。您可以轻松地将其转换为 Perl 代码。