删除重复模式（荷兰号码和邮政编码）REGEX

Question

我想在 python 中使用正则表达式删除重复项，但我有点吃力。

text= 'H. Gerhardstraat 77 1502 CC 77 1502 CC Zaandam'
text = re.sub(r'\b(\d{,4})\s(\d{4})\s([A-Za-z]){2}\b', r'', text) 

print(text)

我想得到'H. Gerhardstraat 77 1502 CC Zaandam'

我现在明白了： 'H. Gerhardstraat 77 77 Zaandam'

Answer 1

使用re.sub(pattern, repl, string, count=0, flags=0)的第四个参数count如下：

text= 'H. Gerhardstraat 77 1502 CC 77 1502 CC Zaandam'
pattern = r'(\d{0,4}\s\d{4}\s[A-Za-z]{2}\s+)'
count  = len(re.findall(pattern, text))

if count > 1:
    text = re.sub(pattern, '', text, count -1)

Answer 2

试试这个：

import re

c = re.compile(r'([\w\.]+)(?!.*)')
text = 'H. Gerhardstraat 77 1502 CC 77 1502 CC Zaandam'

print(' '.join(c.findall(text)))

输出：

H. Gerhardstraat 77 1502 CC Zaandam

Link to Demo

解释：只有当后面没有任何相同的词时，我们才会匹配每个词，包括句点 [\w\.]+ 使用 negative lookahead assertion。 </code>这里指向<code>([\w\.]+)组。

这样我们只得到列表中最后一次出现的单词。

删除重复模式（荷兰号码和邮政编码）REGEX

Remove duplicate pattern (dutch number and postal code) REGEX

python

python-re