Строка Python: извлеките дублированную и случайно объединенную подстроку

Вы можете думать об этом явлении как о дублирующейся строке, отстающей от основной строки на некоторое количество символов. Поскольку дублирующая строка с индексом i всегда должна соответствовать основной строке с индексом i, вы можете использовать эту характеристику как способ определить, принадлежит ли входящий символ дублирующей строке или основной строке. Чтобы обрабатывать случаи, когда правильная строка содержит два одинаковых последовательных символа и встречается второй из них, вы можете использовать алгоритм поиска с возвратом, чтобы найти путь, ведущий к соответствующей повторяющейся строке.

Обратите внимание, что дублирующиеся символы, скорее всего, являются результатом эмуляции жирного шрифта, но поскольку в дублирующихся пробелах ничего не видно, они, к сожалению, идентифицируются сканером PDF как один пробел. В качестве обходного пути вы можете искусственно заменить каждый пробел во входных данных двумя пробелами, а затем заменить любые два последовательных пробела одним пробелом для вывода. Также обратите внимание, что в вашей входной строке может отсутствовать конечный пробел, поскольку сканер не может идентифицировать его без видимой границы. Вы можете искусственно добавить конечный пробел к входным данным и впоследствии удалить конечные пробелы:

def dedupe(string):
    def _dedupe(pos, dupe):
        if pos == size:
            return dupe == half
        char = string[pos]
        if (dupe < len(output) and output[dupe] == char and
                _dedupe(pos + 1, dupe + 1)):
            return True
        output.append(char)
        if _dedupe(pos + 1, dupe):
            return True
        output.pop()

    string = (string + ' ').replace(' ', '  ')
    size = len(string)
    half = size // 2
    output = []
    if _dedupe(0, 0):
        return ''.join(output).replace('  ', ' ').rstrip()
    raise ValueError('No matching duplicate found.')

так что:

print(dedupe(
"CCoonnttiinnggeenntt CCoouuppoonn 16.01068.0%0 8p%.a .p (.Ma.o (nMtholyn)thly)"
))

выходы:

Contingent Coupon 16.008% p.a. (Monthly)

Демо здесь