1、原理说明
1）为什么要进行数据的句内去重？
在做情感分析的时候，有时候需要对文本进行分词，做词频统计。上图是某个店铺的留言数据，对于第26条，只是为了说明“东西很好，很好用!”，但是为了凑字数留言，就写成了如图所示。但是我们在进行词频统计的时候，只统计“东西很好，很好用!”一次就够了，因此，就需要用到“数据的句内去重”。
2）以“单字词”为例，进行原理说明
3）原理说明
通过上图可以发现，进行词语句内去重，首先判断位置j到j+1位置的元素是否相等，如果相等，再判断j+1处的元素和j+2处的元素是否相等，这样依次进行下去。
由于原理不好用语言，进行详细叙述，因此你可以好好琢磨一下下面的代码。对于不懂的地方，可以在博客中留言说明。
2、“单字词”句内去重
st = "我很是好好好好好好呀" for j in range(len(st)): if st[j:j+1] == st[j+1:j+2]: k = j + 1 while st[k:k+1] == st[k+1:k+2] and k<len(st): # k<len(st)是为了退出这个while循环，否则一直循环 k = k + 1 st = st[:j] + st[k:] st
结果如下：
3、“双字词”句内去重
st = "今天天气天气天气天气好哦" for j in range(len(st)): if st[j:j+2] == st[j+2:j+4]: k = j + 2 while st[k:k+2] == st[k+2:k+4] and k<len(st): k = k + 2 st = st[:j] + st[k:] st
结果如下：
4、“三字词”句内去重
st = "我天气好天气好天气好哈" for j in range(len(st)): if st[j:j+3] == st[j+3:j+6]: k = j + 3 while st[k:k+3] == st[k+3:k+6] and k<len(st): k = k + 3 st = st[:j] + st[k:] st
结果如下：
5、将上述情况，封装成函数
def func(st): for i in range(1,int(len(st)/2)+1): for j in range(len(st)): if st[j:j+i] == st[j+i:j+2*i]: k = j + i while st[k:k+i] == st[k+i:k+2*i] and k<len(st): k = k + i st = st[:j] + st[k:] return st st = "我爱你我爱你我爱你好你好你好哈哈哈哈哈" func(st)
结果如下：
