求适配字幕清理、删除无逗号/句号分隔重复内容的正则表达式方案

以下正则可直接在VS Code、Sublime、Notepad++等支持正则匹配的文本编辑器中运行，覆盖三类无固定分隔符的字幕异常场景，操作前备份原文件。

跨换行相邻行重复修复 #

针对前一行收尾与后一行起始完全重复的场景，核心匹配逻辑：捕获行尾重复片段，匹配紧随换行的相同冗余片段，仅保留单份内容拼接为通顺语句。

• 基础匹配规则：([^\r\n]+?)(\r?\n)\s*(\1)
• 基础替换规则：$1
• 优化调整参数：
  • 开启忽略大小写匹配（正则修饰符i），可覆盖跨换行重复片段大小写不一致的情况，适配“how are / we going”这类拆分重复的场景
  • 增加捕获片段最小长度限制，避免误删短单词的正常表达：将表达式调整为([^\r\n]{3,}?)(\r?\n)\s*(\1)，仅匹配长度≥3个字符的重复片段
• 覆盖的典型场景：
  • 行尾“I'll take care of my son's” + 下一行开头“I'll take care of my son's education” → 拼接为“John, I'll take care of my son's education.”
  • 行尾“supposed” + 下一行开头“supposed to be in Paris?” → 拼接为“And weren't you supposed to be in Paris?”
  • 行尾“a microwave oven” + 下一行开头“a microwave oven, a pressure cooker” → 拼接为“Sure, that looks like a microwave oven, a pressure cooker.”

同行内无分隔符重复短语修复 #

针对同一行内连续出现两次完全一致的短语、分句的场景，核心匹配逻辑：捕获重复片段，删除紧随其后的完全匹配冗余内容。

• 匹配规则：([^\r\n]+?)\s+\1
• 替换规则：$1
• 优化调整参数：
  • 开启忽略大小写匹配，覆盖前后重复片段首字母大小写不一致的转写误差
  • 增加最小长度阈值减少误判：将表达式调整为([^\r\n]{4,}?)\s+\1，仅匹配长度≥4个字符的重复片段，避免误删正常的短词重复内容
• 覆盖的典型场景：
  • 行内内容“why are you going to deny it? to deny it? We all know” → 清理为“why are you going to deny it? We all know.”
  • 行内内容“is a very weak team. a very weak team.” → 清理为“is a very weak team.”

单行双对话破折号异常修复 #

针对原本应分行的对话被压缩到同一行、行内连续出现两个对话破折号的场景，核心匹配逻辑：在第二个破折号位置插入换行，保持每行单破折号的对话格式。

• 匹配规则：^(-[^\r\n]+?)\s+(-)
• 替换规则：$1\n$2
• 覆盖的典型场景：
  • 单行内容“-No? -What about the kid?” → 拆分为两行独立对话：
    • -No?
    • -What about the kid?
• 匹配规则保留行首锚点^，不会误识别句子内容中间出现的非对话功能破折号

推荐操作流程 #

1. 先运行同行内重复修复正则，清理单行列内的冗余重复内容
2. 多次运行跨换行重复修复正则，直到编辑器无匹配结果为止
3. 最后运行破折号格式修复正则，拆分挤在同一行的多段对话

内容的提问来源于stack exchange，提问作者Alina R