আমি কীওয়ার্ড সহ লাইনযুক্ত একটি ফাইলে কাজ করছি এবং কিছু লাইনে সদৃশ কীওয়ার্ড রয়েছে।
উদাহরণ স্বরূপ:
dangerous,dangerous,hazardous,perilous
আমি নোটপ্যাড ++ কে বলতে চাই যে প্রতি লাইনে প্রতি নকল শব্দটি আমি মুছে ফেলতে চাই। এই উদাহরণের জন্য dangerous,সরানো হবে:
dangerous,hazardous,perilous
আমার মতো অনেকগুলি লাইন রয়েছে এবং সে কারণেই আমি এটি করার একটি স্বয়ংক্রিয় পদ্ধতি খুঁজছি।
উত্তর:
আপনি একটি লাইনে ক্রমাগত সদৃশ শব্দগুলি মুছে ফেলার জন্য একটি নিয়মিত অভিব্যক্তি ব্যবহার করতে পারেন, তবে আমি মনে করি না যে ডুপ্লিকেটেড শব্দগুলি ক্রমাগত নয় (যেমন dangerous, hazardous, dangerous)) মুছে ফেলা সম্ভব ।
এই Regex সব পরপর সদৃশ শব্দ সরে যাবে - এটি 2 সদৃশ শব্দ বা 10 সদৃশ শব্দ কিনা পরপর: \b(\w+)(?:,\s+\1\b)+ ।
ঠিক একই নো-কমা রেজেক্সটি হ'ল: \b(\w+)(?:\s+\1\b)+(অন্যান্য ব্যবহারকারীর পক্ষে কার্যকর হতে পারে)।
আপনি যদি একটি Regex মাত্র দুটি সদৃশ শব্দ (ডাবলস) জন্য বিশেষভাবে চান তাহলে, এই Regex ব্যবহার করুন: (\b\w+\b)\W+\1।
এই Regex রাখুন দিয়ে প্রতিস্থাপন বক্স শব্দ এক সংঘটন রাখার (অন্যথায় সব পুনরাবৃত্তি শব্দ সরিয়ে দেওয়া হবে): ${1} ।
এই নিয়মিত প্রকাশগুলি উদাহরণ হিসাবে আপনার প্রশ্নে বর্ণিত মত একটি পরিস্থিতি ঠিক করবে। প্রথম রেজেক্স প্রতিটি প্রতিলিপি শব্দের (উদাহরণস্বরূপ dangerous, dangerous, dangerous, dangerous, hazardous) জন্য কাজ করবে, যখন দ্বিতীয় সংস্করণটি কেবল দুটি অনুলিপি শব্দের জন্য কাজ করবে (উদাঃ dangerous, dangerous, hazardous)।
নোট: রেগুলার এক্সপ্রেশন শুধুমাত্র বিন্যাস প্রশ্নে বর্ণিত প্রয়োগ করা হবে, যার অর্থ ফরম্যাটের চাই যে two words, two words, anotherword, two-words, two-words, anotherword, three words expression, three words expression, anotherwordপরিবর্তন করা যাবে না কারণ Regex তাদের প্রযোজ্য হবে না।
(\b\w+\b)\W+\1দুটি নকল শব্দের জন্য। আমি আমার উত্তর সম্পাদনা করব। কমাগুলি হ'ল কেন অন্যান্য রেজেক্স কাজ করে না।
word, word, anotherword। যাইহোক, আপনার অনেকগুলি উদাহরণ রয়েছে যা কিছুটা আলাদা, যেমন came across, came acrossএবং কিছু 3 বা 4 শব্দের সাথে। এছাড়াও সাথে শব্দগুলো আছে 'মত don'tএবং এটি কিছু আরও জটিল করে তোলে নোটপ্যাড ++, Regex সিস্টেম । নোটপ্যাড ++ রিজেক্স সিস্টেমটিও বেশ বিরক্তিকর এবং পাশাপাশি সীমাবদ্ধ, সুতরাং সমাধানটি হল হয় হয় পাইথন (বা অন্য কোনও ভাষা) এ রেজেক্স ব্যবহার করা, বা নোটপ্যাড ++ এর জন্য ফর্ম্যাট-নির্দিষ্ট নিয়মিত প্রকাশ করা।
কাজটি করার একটি উপায় এখানে, এটি সমস্ত সদৃশ শব্দের সংলগ্ন না হলেও এটি প্রতিস্থাপন করবে:
(?:^|\G)(\b\w+\b),?(?=.*\1)LEAVE EMPTY. matches newlineব্যাখ্যা:
(?:^|\G) : non capture group, beginning of line or position of last match
(\b\w+\b) : group 1, 1 or more word character (ie. [a-zA-Z0-9_]), surrounded by word boundaries
,? : optional comma
(?=.*\1) : positive lookahead, check if thhere is the same word (contained in group 1) somewhere after
এর মতো একটি ইনপুট দেওয়া হয়েছে:
dangerous,dangerous,hazardous,perilous,dangerous,dangerous,hazardous,perilous
আমরা পেয়েছি:
dangerous,hazardous,perilous
dangerous,hazardous,dangerous,perilous? অন্য কথায়, সদৃশ শব্দগুলি কি একে অপরের পাশে সর্বদা থাকে?