高效的正则表达式，用于减少 Python 中由特定分隔符分隔的完全重复的短语

Question

假设我有一个如下所示的购物清单：

lines="""
''[[excellent wheat|excellent wheat]]''
''[[brillant corn|Tom's brilliant corn]]''
''[[spicy chips|spicy fries/chips]]''
"""

只有当产品是完全重复的时，购物清单上的产品才应该减少到非重复的，即''[[excellent wheat|excellent wheat] ]'' -> ''[[优质小麦]]''。不完整的副本应保持原样。

我已经查看了一些，但找不到理想的解决方案。

我想像这样逐行评估多行字符串的一部分，

for i in range(0,100):
    lines[i] = regexHere(lines[i]) #regex expr here
    print lines[i]

我希望得到以下输出：

''[[excellent wheat]]''
''[[brilliant corn|Tom's brilliant corn]]''
''[[spicy chips|spicy fries/chips]]''

谢谢。

编辑：这适用于给定的示例。如果购物清单在一个包含其他格式的随机行的清单中怎么办？

lines="""
==///Listings==/?
assadsadsadsa
adasdsad
</test>
''[[excellent wheat|excellent wheat]]''
''[[brilliant corn|Tom's brilliant corn]]''
</separation>
Remember to purchase this if on offer
''[[jub|jub/ha]]'',
''[[barley|barley/hops]]''
zcxcxzcxz
"""

Answer 1

为此，您真的不需要正则表达式——您可以直接使用字符串操作：

lines="""
''[[excellent wheat|excellent wheat]]''
''[[brilliant corn|Tom's brilliant corn]]''
''[[spicy chips|spicy fries/chips]]''
"""

for line in lines.strip().split("\n"):
    first, second = line.split('|')

    if first[4:] == second[:-4]:
        print("''[[{}]]''".format(''.join(first[4:])))
    else:
        print(line)

"""
Output:
''[[excellent wheat]]''
''[[brilliant corn|Tom's brilliant corn]]''
''[[spicy chips|spicy fries/chips]]''
"""

Answer 2

你可以这样做：

lines="""
''[[excellent wheat|excellent wheat]]''
''[[brillant corn|Tom's brilliant corn]]''
''[[spicy chips|spicy fries/chips]]''
"""

>>> print(re.sub(r'(?<=\[)([^[]*)(?=\|)\|(?=\])', r'', lines))

''[[excellent wheat]]''
''[[brillant corn|Tom's brilliant corn]]''
''[[spicy chips|spicy fries/chips]]''

Regex Demo

如果您想要更高的效率，您可以将simpler regex（无回溯）与一些Python 字符串处理相结合。老实说，我不知道这是更快还是不是：

lines="""
==///Listings==/?
assadsadsadsa
adasdsad
</test>
''[[excellent wheat|excellent wheat]]''
''[[brilliant corn|Tom's brilliant corn]]''
</separation>
Remember to purchase this if on offer
''[[jub|jub/ha]]'',
''[[barley|barley/hops]]''
zcxcxzcxz
""".splitlines()

# Python 3.8+ because of the walrus. Break into two line if can't use that
for i, line in enumerate(lines):
    if m:=re.search(r'(?<=\[\[)([^\]\[]*)(?=\]\])', line):
        x=m.group(1).partition('|')
        if x[0]==x[2]:
            span=m.span()
            lines[i]=line[0:span[0]]+x[0]+line[span[1]:]
    
print('\n'.join(lines))

打印：

==///Listings==/?
assadsadsadsa
adasdsad
</test>
''[[excellent wheat]]''
''[[brilliant corn|Tom's brilliant corn]]''
</separation>
Remember to purchase this if on offer
''[[jub|jub/ha]]'',
''[[barley|barley/hops]]''
zcxcxzcxz

高效的正则表达式，用于减少 Python 中由特定分隔符分隔的完全重复的短语

Efficient regex for reducing only fully duplicate phrases separated by a specific delimiter in Python

python

regex

replace

duplicates

phrase