求可匹配任意重复句子的优雅通用正则表达式方案

现有实现 #

我已经写了一个支持最多3句重复匹配的正则，通过扩展模式可以支持指定最大重复句数，正则为：
(.*?\.)( .*?\.)?( .*?\.)? \1\2?\3?

这个正则能处理1句、2句或3句的重复场景，Python使用示例：

import re

string = 'Red apple. Green pepper. Yellow onion. Red apple. Green pepper. Yellow onion.'
output = re.sub(r'(.*?\.)( .*?\.)?( .*?\.)? \1\2?\3?', r'\1\2\3', string, flags=re.MULTILINE)
print(output)  # 输出：Red apple. Green pepper. Yellow onion.

通用解决方案 #

要实现匹配任意数量连续重复句子的优雅通用正则，可以用捕获组匹配一个或多个句子组成的块，再匹配该块的重复内容，正则表达式如下：
((?:.*?\.)(?: .*?\.)*) \1

正则解析 #

• (?:.*?\.)：非捕获组，匹配单个以句号结尾的句子（非贪婪匹配，避免过度匹配）
• (?: .*?\.)*：非捕获组，匹配零个或多个后续句子，每个句子前带空格
• ((?:.*?\.)(?: .*?\.)*)：捕获组，匹配由1个或多个连续句子组成的完整块
• \1：匹配空格后重复的该句子块

Python示例 #

import re

# 测试2句重复场景
test_str_1 = 'Hello world. This is a test. Hello world. This is a test.'
result_1 = re.sub(r'((?:.*?\.)(?: .*?\.)*) \1', r'\1', test_str_1, flags=re.MULTILINE)
print(result_1)  # 输出：Hello world. This is a test.

# 测试多句重复场景
test_str_2 = 'Line 1. Line 2. Line 3. Line 4. Line 1. Line 2. Line 3. Line 4.'
result_2 = re.sub(r'((?:.*?\.)(?: .*?\.)*) \1', r'\1', test_str_2, flags=re.MULTILINE)
print(result_2)  # 输出：Line 1. Line 2. Line 3. Line 4.

注意事项 #

• 如果需要匹配跨换行的重复句子块，保留re.MULTILINE标志的同时，可将空格部分调整为[ \n]以兼容换行分隔的情况
• 若句子中包含缩写等带句号的特殊情况，需要将.*?替换为更精准的匹配规则（例如[^.]*来匹配不含句号的内容）

内容的提问来源于stack exchange，提问作者analytical