用于删除不同行上的重复数字的正则表达式

Question

这也许很简单，但我无法弄清楚：

我有一个随机数（可以是 1、2、3 或 4 位数字） 它在第二行重复：

2131
2131

如何删除第一个数字？

编辑：抱歉，我没有更好地解释它。这些行位于纯文本文件中。我使用 BBEdit 作为我的编辑器。实际文件如下所示（仅约 10.000 行）：

336
336
rinde
337
337
diving
338
338
graffiti
339
339
forest
340
340
mountain

如果可能，结果应如下所示：

336 - rinde
337 - diving
338 - graffiti
339 - forest
340 - mountain

Answer 1

搜索：

^(\d{1,4})\n(?:\1\n)+([a-z]+$)

替换：

\1 - \2

我无权访问 BBEdit，但显然您必须检查“Grep”选项才能启用正则表达式搜索-n-替换。 （我不知道他们为什么这么称呼它，因为它似乎由 PCRE 库提供支持，它比 grep 强大得多。）

Answer 2

因为你没有提到任何编程语言、工具。我假设这些数字在一个文件中。每个每行，任何重复的数字都在相邻行中。 uniq 命令可以解决您的问题：

kent$  echo "1234
dquote> 1234
dquote> 431
dquote> 431
dquote> 222
dquote> 222
dquote> 234"|uniq

1234
431
222
234

Answer 3

另一种查找方式：/^(\d{1,4})\n(?=\1$)/ 替换：""
修饰符 mg （多行和全局）

$str =
'1234
1234
431
431
222
222
222
234
234';

$str =~ s/^(\d{1,4})\n(?=\1$)//mg;
print $str;

输出：
1234
431
222
234

添加 在修改后的示例中，您可以执行以下操作：

Find: /(?=^(\d{1,4}))(?:\1\n)+ \s*([^\n\d]*$)/
替换：$1 - $2
Mods：/mg（多行，全局）

测试：

$str =
'
336
336
rinde
337
337
337
diving
338
338
graffiti
339
337
339
forest
340
340
mountain
';

$str =~ s/(?=^(\d{1,4}))(?:\1\n)+\s*([^\n\d]*$)/$1 - $2/mg;

print $str;

输出：
336 - 林德
337 - 潜水
338 - 涂鸦
339
337
339 - 森林
340 - mountain

Added2 - OP后来所需的输出格式比原来的问题给我留下了更深刻的印象。它有很多元素，因此无法控制自己，生成了一个过于复杂的正则表达式。

搜索：<代码>/^(\d{1,4})\n+(?:\1\n+)*\s*(?:((?:(?:\w|[^\S\n]) )*[a-zA-Z](?:\w|[^\S\n])*))\s*(?:\n|$)|)/
替换：$1 - $2\n
修饰符：mg（多行，全局）

扩展-

# Find:
s{ # Find a single unique digit pattern on a line (group 1)

   ^(\d{1,4})\n+   # Grp 1, capture a digit sequence

   (?:\1\n+)*      # Optionally consume the sequence many times,
   \s*             # and whitespaces (cleanup)

   # Get the next word (group 2)
   (?:
     # Either find a valid word
       (                      # Grp2 
          (?:
             (?:\w|[^\S\n])*     # Optional \w or non-newline whitespaces
             [a-zA-Z]            # with at least one alpha character
             (?:\w|[^\S\n])*
          )
       )
       \s*                    # Consume whitespaces (cleanup),
       (?:\n|$)               # a newline
                              # or, end of string
     |
     # OR, dont find anything (clears group 2)
   )
 }

# Replace (rewrite the new block)
 {$1 - $2\n}xmg;  # modifiers expanded, multi-line, global

Answer 4

查找：

((\d{1,4})\r(\D{1,10}))|(\d{1,6})

替换：

\2 - \3

您应该能够很容易地从那里清理它！

Answer 5

使用正则表达式不可能检测到这种模式。

您可以用“\n”分割字符串然后进行比较。