java中连续重复字符的替换

我正在研究 Twitter 数据标准化。 Twitter 用户经常使用“ts I looooooove it”之类的术语来强调“爱”这个词。我想通过替换重复字符来将这些重复的字符转换为正确的英语单词，直到我得到一个正确的有意义的单词（我知道我无法通过这种机制区分善和神）。

我的策略是

1. 识别此类重复字符串的存在。我会寻找超过 2 个相同的字符，因为可能没有英语单词具有超过两个重复字符。

   String[] strings = { "stoooooopppppppppppppppppp","looooooove", "good","OK", "boolean", "mee", "claaap" };
   
   String regex = "([a-z])\\1{2,}";
   Pattern pattern = Pattern.compile(regex);
   
   for (String string : strings) {
        Matcher matcher = pattern.matcher(string);
        if (matcher.find()) {
            System.out.println(string+" TRUE ");
        }
   }
   

2. 在 Wordnet 等词典中搜索这样的词

3. 替换除两个这样的重复字符之外的所有字符并检查 Lexicon
4. 如果词典中没有，请再删除一个重复字符（否则将其视为拼写错误）。

由于我的 Java 知识很差，我无法管理 3 和 4。问题是我无法替换除两个重复的连续字符之外的所有字符。 以下代码片段替换除一个重复字符之外的所有字符System.out.println(data.replaceAll("([a-zA-Z])\\1{2,}", "$1"));

需要帮助才能查明 A. 如何替换除 2 个连续重复字符之外的所有字符 B. 如何从 A 的输出中多删除一个连续字符 [我认为B可以通过以下代码片段来管理]

System.out.println(data.replaceAll("([a-zA-Z])\\1{1,}", "$1"));

编辑：Wiktor Stribiżew 提供的解决方案在 Java 中完美运行。我想知道需要进行哪些更改才能在 python 中获得相同的结果。 Python 使用 re.sub。

你的正则表达式([a-z])\\1{2,}匹配 ASCII 字母并将其捕获到组 1 中，然后匹配该值的 2 次或多次出现。因此，您需要用反向引用替换所有内容，$1，保存捕获的值。如果您使用一个$1, the aaaaa将被替换为单个a如果你使用$1$1，它将被替换为aa.

String twoConsecutivesOnly = data.replaceAll(regex, "$1$1");
String noTwoConsecutives = data.replaceAll(regex, "$1");

See the Java演示 http://ideone.com/xt8g72.

如果您需要使正则表达式不区分大小写，请使用"(?i)([a-z])\\1{2,}"甚至"(\\p{Alpha})\\1{2,}"。如果必须处理任何 Unicode 字母，请使用"(\\p{L})\\1{2,}".

BONUS：在一般情况下，要替换任意数量的任何重复的连续字符，请使用

text = text.replaceAll("(?s)(.)\\1+", "$1");   // any chars
text = text.replaceAll("(.)\\1+", "$1");       // any chars but line breaks
text = text.replaceAll("(\\p{L})\\1+", "$1");  // any letters
text = text.replaceAll("(\\w)\\1+", "$1");     // any ASCII alnum + _ chars