regex- 通过 StringToWordVector 过滤器删除阿拉伯语文本中的重复字母

Question

我想删除文本中重复的阿拉伯字母。我如何在 Java 中使用正则表达式来做到这一点？我尝试了不同的正则表达式，但它从我的文本中删除了所有阿拉伯字母！请帮助。 顺便说一句，我将正则表达式与 StringToWordVector 过滤器一起使用，就像 here

中发生的那样

这就是我的应用方式：

filter.setStopwordsHandler(new RegExStopwords("([^\\u1F600-\\u1F6FF\\s].*|[A-Za-z0-9].*|[٠-٩].*|[\\u0617-\\u061A\\u064B-\\u0652].*|[ؐ-ًؚٟ].*|[/(آ|إ|أ)/g, 'ا']|[/(ة)/g, 'ه']|[/(ئ|ؤ)/g, 'ء']|[/(ى)/g, 'ي']|[/([^\\u0621-\\u063A\\u0641-\\u064A\\u0660-\\u0669])/g, '']"));

所以我尝试了 .replaceAll() 函数提到的答案，但它对我不起作用，或者实际上我不知道如何正确地将它们放入我的代码中。

Answer 1

我更愿意使用循环

String str = "hello"

char prevChar = ' ';
String result = "";
for(char ch : str.toCharArray()){
    if(ch != prevChar)
         result += ""+ch //concat casts to string for us
    prevChar = ch
}

会返回

helo

（删除重复的

l

）

编辑：

如果您想使用过滤器，正确的正则表达式应该是

/(.)(?<=\1{2,})/ig

• 第一组，

  (.)

  抓取任意角色
• 下一组

  (?<=\1{2,})

  分解如下：

• \1

  捕获第一组中指定的字符 (

  (.)

  )

• {2,}

  捕获任何重复两次的组

• ?<=

  是向后看，基本上是说我们想检查下一个词 (

  \1

  ) 是否存在，但我们不想捕获它。

所以我们只剩下被捕获的

{2,}

，这就是你想要的

如需更多帮助，请尝试这些 Stack Overflow 链接

• 正则表达式匹配任何重复超过 10 次的字符

• 在指定字符后使用 RegEx 匹配序列

祝你好运！