KNIME中如何编写正则移除竖线分隔字符串的重复数字编码

原有正则失效原因 #

你之前使用的\b(\d+)\b.*\b\1\b正则采用贪婪匹配逻辑，会命中从首个重复编码开始到行尾的长文本片段，替换时会丢失大量非重复编码，无法实现「保留首次出现的编码、移除后续重复项」的需求。

全版本兼容方案（推荐） #

该方案不依赖高版本正则引擎特性，适配所有KNIME版本，稳定性高：

1. 拖入String Replacer（字符串替换）节点，接入待处理数据集
2. 节点配置如下：
   • 选中存储竖线分隔编码的目标列
   • 勾选Regular expression（正则表达式）、Global replacement（全局替换）选项
   • 查找规则（Pattern）填入以下正则：

     \b(\d+)\b(.*?)\|\1\b
     

   • 替换内容（Replacement）填入：

     $1$2
     

3. 将该字符串替换节点放入KNIME循环流中，设置循环终止条件为「替换后目标列内容与替换前完全一致」即可。该正则每次替换会移除每行中位置最靠后的1个重复编码，循环执行直到没有可替换的重复项，自动完成去重。

高版本KNIME单次替换方案 #

如果你的KNIME运行在Java 9及以上环境（支持不定长度反向预查），可以直接使用以下正则做全局替换，无需搭建循环，一次执行即可完成去重：

• 查找规则：

  \|(\d+)\b(?<=\b\1\b.*\1)
  

• 替换内容留空即可。

提示：如果执行该正则时报语法错误，说明当前KNIME的正则引擎版本不支持高级特性，切换为上述全版本兼容方案即可。

处理效果验证 #

使用你提供的样例数据测试，两种方案最终输出均完全匹配预期：

0612|0613|061
0211|0612|021|0212
0111
0511|0512|0521

内容的提问来源于stack exchange，提问作者citizen4