Cómo eliminar caracteres repetidos en una cadena

Question

Tengo un sitio web que permite a los usuarios comentar sobre las fotos. Por supuesto, los usuarios dejan comentarios como:

'OMGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG !!!!!!!!!!!!!!!'

o

'USTED SUCCCCCCCCCCCCCCCCCKKKKKKKKKKKKKKKKKK'

usted lo consigue.

Básicamente, quiero acortar esos comentarios eliminando al menos la mayoría de esos caracteres repetidos en exceso. Estoy seguro de que hay una manera de hacerlo con Regex ... simplemente no puedo resolverlo.

¿Alguna idea?

Answer 1

Teniendo en cuenta que el idioma Inglés utiliza letras dobles menudo es probable que no quieren eliminar ciegamente ellos. Aquí hay una expresión regular que eliminará cualquier cosa más allá de un doble.

Regex r = new Regex("(.)(?<=\\1\\1\\1)", RegexOptions.IgnoreCase | RegexOptions.CultureInvariant | RegexOptions.Compiled); 

var x = r.Replace("YOU SUCCCCCCCCCCCCCCCCCKKKKKKKKKKKKKKKKKK", String.Empty); 
// x = "YOU SUCCKK" 

var y = r.Replace("OMGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG!!!!!!!!!!!!!!!", String.Empty); 
// y = "OMGG!!" 

Answer 2

¿Desea acortar específicamente las cadenas en el código, o sería suficiente simplemente fallar la validación y presentar el formulario nuevamente al usuario con un error de validación? Algo así como "Demasiados caracteres repetidos".

Si este último es aceptable, @"(\w)\1{2}" debe coincidir con los caracteres de 3 o más (interpretados como "repetidos" dos o más veces).

Editar: Como @Piskvor señaló, esto coincidirá exactamente en 3 caracteres. Funciona bien para emparejar, pero no para reemplazar. Su versión, @"(\w)\1{2,}", funcionaría mejor para reemplazar. Sin embargo, me gustaría señalar que creo que reemplazar no sería la mejor práctica aquí. Es mejor que la validación de formularios falle antes que tratar de eliminar el texto que se envía, ya que es probable que existan casos límite en los que el texto que de otra forma sería legible (incluso si no es razonable) no tenga sentido.

Answer 3

Editar: horrible sugerencia, por favor, no leen, que realmente se merecen mi -1 :)

he encontrado aquí en technical nuggets algo así como lo que estás buscando.

No hay nada que hacer, excepto mucho expresiones regulares, porque nunca he oído hablar de una señal de expresiones regulares para la repetición ...

Es un ejemplo totales, no voy a pegarlo aquí, pero creo que esta voluntad responde totalmente tu pregunta

Answer 4

Distinct() eliminará todos los duplicados, sin embargo, no verá "A" y "a" como el mismo, obviamente.

Console.WriteLine(new string("Asdfasdf".Distinct().ToArray())); 

Salidas "asdfa"

Answer 5

var test = "OMMMMMGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGMMM"; 

test.Distinct().Select(c => c.ToString()).ToList() 
     .ForEach(c => 
      { 
       while (test.Contains(c + c)) 
       test = test.Replace(c + c, c); 
      } 
     ); 

Answer 6

expresiones regulares pueden ser excesivos. Prueba esto:

public static string RemoveRepeatedChars(String input, int maxRepeat) 
    { 
     if(input.Length==0)return input; 

     StringBuilder b = new StringBuilder; 
     Char[] chars = input.ToCharArray(); 
     Char lastChar = chars[0]; 
     int repeat = 0; 
     for(int i=1;i<input.Length;i++){ 
      if(chars[i]==lastChar && ++repeat<maxRepeat) 
      { 
       b.Append(chars[i]); 
      } 
      else 
      { 
       b.Append(chars[i]); 
       repeat=0; 
       lastChar = chars[i]; 
      } 
     } 
     return b.ToString(); 
    } 

Answer 7

var nonRepeatedChars = myString.ToCharArray().Distinct().Where(c => !char.IsWhiteSpace(c) || !myString.Contains(c)).ToString();