[HackerRank]Java正規表示式2─重複的單字(Java Regex 2 - Duplicate Words)

題目描述

當我們寫一些東西時，很容易就會犯下重複寫出一個單字的錯誤。舉例來說，「Monmoy loves to to code」中的「to」重複了。

使用正規表示式，我們可以簡單地從一個文本中找出重複的樣本。在這個題目中，您將會得到一個文本，您的任務是要找出連續重複的單字，並且將之後重複的單字刪除，只保留最前面的單字。

在這個題目中，相同字母但不同大小寫的單字被當作是同樣的單字。

原題網址

輸入格式

第一行包含一個整數N，為測試資料的數量，範圍在1到100之間(包含1和100)。接下來的N行皆為一個由英文字母和空格組成的字串，每行字串的長度不超過10⁴。

輸出格式

輸出去除掉連續重複單字後的結果，記得保留第一個出現的單字。

範例輸入

範例輸出

解題概念

一個單字的起頭可以是字串的起頭、空格、或是上一個單字與空格的結尾。可以寫成如下正規表示式：

"(\\A|\\s+|\\G)"

單字本身的部份，可以寫成如下正規表示式：

"\\w+"

若這個單字之後還有重複的單字，可以寫成如下正規表示式：

"(\\w+)(\\s+\\1)+"

「\1」用來表示第一個群組所包含的字段。若單字為A，那「A A」、「A A A」、「A A A ... A」都可以符合這個正規表示式。

至於一個單字的結尾可以是字串的結尾或是空格。可以寫成如下正規表示式：

"(\\s+|\\z)"

合併上面的式子，可以得到以下正規表示式：

"((\\A|\\s+|\\G)((\\w+)(\\s+\\4)+)(\\s+|\\z))"

其中，第三個群組為重複的單字字段，第四個群組為重複單字第一次出現的單字字段。所以可以用第四個群組的字串，去取代第三個群組的字串，即可消除重複單字，並保留第一次出現的重複單字。

題目需要忽略英文大小寫，因此可以在產生樣本的時候，加上「Pattern.CASE_INSENSITIVE」旗標，來讓樣本忽略英文大小寫。

參考答案

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class DuplicateWords {

    public static void main(String[] args) {

        String pattern = "((\\A|\\s+|\\G)((\\w+)(\\s+\\4)+)(\\s+|\\z))";
        Pattern r = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);

        Scanner in = new Scanner(System.in);
        int testCases = Integer.parseInt(in.nextLine());
        while (testCases > 0) {
            String input = in.nextLine();
            Matcher m = r.matcher(input);
            boolean findMatch = true;
            while (m.find()) {
                input = input.replaceAll(m.group(3), m.group(4));
                findMatch = false;
            }
            System.out.println(input);
            testCases--;
        }
    }
}