Python -如何从字符串中删除重复的字母序列(不能按间距拆分)

Question

这与删除重复字符或重复单词不同，如下所述。

Whitecaps'

• 'Oregon
• ‘蓝谷StarsBlue谷’应该等于‘蓝谷星’
• ‘西密西根州’密歇根州西部密西根州‘应该等于’西密歇根大学‘应该等于’俄勒冈州神谕‘

’。

这里棘手的部分是它复制的地方的开始，而不是用一个空格分隔。所以我不能把它们分割成‘'，删除重复的单词，然后加入。

我可以互相核对每封信。以<4个重复字母的阈值来限定为重复字母。

寻找一个更好的方法，但我错过了。

Answer 1

像这样的怎么样？

def mangle(s):
    for x in range(1, len(s)):
        suffix = s[-x:]
        if s.startswith(suffix):
            return (s[:-x], suffix)


for case in [
    "Blue Valley StarsBlue Valley",
    "West Michigan WhitecapsWest Michigan",
    "Oregon OraclesOregon",
    "Hello World",
    "123123",
]:
    print(case, "->", mangle(case))

输出：

Blue Valley StarsBlue Valley -> ('Blue Valley Stars', 'Blue Valley')
West Michigan WhitecapsWest Michigan -> ('West Michigan Whitecaps', 'West Michigan')
Oregon OraclesOregon -> ('Oregon Oracles', 'Oregon')
Hello World -> None
123123 -> ('123', '123')

Answer 2

考虑到您提供的信息，可以通过分割给定的大写字母而不是空格来实现这一点：

import re
list(set([x.strip() for x in re.findall('[A-Z][^A-Z]*', 'Blue Valley StarsBlue Valley')]))

其中产出：

['Blue','Valley','Stars']

如果希望使用单个字符串，请添加' '.join()

' '.join(list(set([x.strip() for x in re.findall('[A-Z][^A-Z]*', 'Blue Valley StarsBlue Valley')])))

其中产出：

'Valley Stars Blue'

Answer 3

import re

def dedup (inText):
    splitBySpace = inText.split()

    final = []
    for each in splitBySpace:
        if each not in final:
            checkFound = False
            for eachSavedToken in final:
                if eachSavedToken in each:
                    final.append(each.replace(eachSavedToken, ''))
                    checkFound = True
                    break            
            if not checkFound:
                final.append(each)


    return ' '.join(final)

for eachStr in ['Blue Valley StarsBlue Valley','West Michigan WhitecapsWest Michigan','Oregon OraclesOregon']:
    print (dedup (eachStr))

输出：

Blue Valley Stars
West Michigan Whitecaps
Oregon Oracles

这假设顺序是重要的。它本质上是一种搜索。