Necesita encontrar cadenas que contengan la misma palabra dos veces

Tengo datos de atributos con nombres de propietarios. Necesito seleccionar datos que contengan el apellido dos veces .

Por ejemplo, es posible que tenga un nombre de propietario que diga " BENNETT MCCARL & ARNETTE BENNETT ".

Me gustaría seleccionar cualquier fila en la tabla de atributos que tenga un apellido recurrente, como el ejemplo anterior. ¿Alguien sabe cómo puedo hacer para seleccionar esos datos?

Expresión de calculadora de campo basada en esta respuesta

def cw(sentence):
 words = sentence.split()
 counts = {}
 nMax=0
 for word in words:
    if word not in counts:counts[word] = 0
    counts[word] += 1
    nMax=max(nMax, counts[word])
 return nMax

'================================================= =

cw( !MUID!)

Devolverá el recuento máximo de las mismas palabras en la cadena

Puede usar el módulo de colecciones de Python y un cursor de actualización para lograr esto. Este método agrega un nuevo campo y lo llena con un 1si hay duplicados, de lo contrario, 0si no hay duplicados.

import arcpy, collections

shp = r'C:\temp\names.shp'

# Add a field called "check" to store binary data.

arcpy.AddField_management(shp, field_name = "check", field_type = "SHORT")

# Use an Update Cursor to query the table and write to new rows
# 1 = has duplicates
# 0 = no duplicates
with arcpy.da.UpdateCursor(shp, ["last_names", "check"]) as cursor:
    for row in cursor:
        names = row[0].replace("&", "").split() # Clean the string
        counts = collections.Counter(names) #create dictionary to count occurrences of words
        if any(x > 1 for x in list([count for name, count in counts.items()])):
            row[1] = 1
        else:
            row[1] = 0
        cursor.updateRow(row)

¿Qué pasa con el uso rey la setconfiguración de una bandera (aquí 0 y 1) en python? Extraerá retodos los nombres (apellido y primer nombre) desde BENNETT MCCARL & ARNETTE BENNETTafuera &. Para la coincidencia de patrones rees de máxima prioridad: puede usar recómo desee.

import re
def sorter(val):
    words = re.findall(r'\w+',val)
    uniques = set(words)
    if len(words)>len(uniques):
        return 1
    else:
        return 0

Y llama sorter( !N! )

** Vea cómo regexagarra palabras enLIVE DEMO

Tenga en cuenta que todas estas respuestas resuelven el problema suponiendo que sus datos están desinfectados, es decir, que tienen un espacio adecuado entre las palabras, pero qué pasa si sus datos son algo así, BENNETTMCCARL&ARNETTEBENNETTentonces todos estos fallarían. En ese caso, es posible que necesite usar el algoritmo Suffix Tree y, afortunadamente, python tiene alguna biblioteca como aquí .

Suponiendo que sus datos de origen son una FeatureClass / Table en una GeoDatabase de archivos, la siguiente consulta seleccionará las filas que necesita:

SUBSTRING(name FROM 1 FOR 7) = 'BENNETT' AND SUBSTRING(name FROM (CHAR_LENGTH(name) - 6) FOR 7) = 'BENNETT

namees el campo, simplemente lo llamé name. La primera parte prueba el lado izquierdo, la segunda parte prueba el derecho. Esta consulta obviamente está codificada para buscar BENNETT, si necesita seleccionar por otros apellidos, con suerte, puede resolver qué necesita cambiar.