在Python中使用regex匹配字符串中重复出现的单词

Question

我正在尝试匹配字符串中重复出现的单词

我试过re.findall( r"(\\b(\\w+)\\b)((?=.*)\\1)+ , stringToCheck )但无济于事。

对于像"ball ball glass table ball glass chair"这样的字符串，我想使用正则表达式提取ball, ball, glass, ball, glass 。 有人可以帮忙吗？

Answer 1

您可以使用正则表达式和列表理解来解决此问题，如下所示：

In [43]: s = "ball ball glass table ball glass chair"

In [68]: splitted = re.findall(r"\w+", s)

In [69]: [item for item in splitted if splitted.count(item) > 1]
Out[69]: ['ball', 'ball', 'glass', 'ball', 'glass']

Answer 2

如果您不拘泥于使用正则表达式，则可以使用以下代码轻松完成此操作（如问题评论所建议）：

from collections import Counter

cnt = Counter()

example_string = "ball ball glass table ball glass chair"
word_list = example_string.split(" ")

for word in word_list:
  cnt[word] += 1

print(cnt)

然后可以对此进行过滤，以仅给出计数大于1的那个。

filtered = {k:v for (k,v) in cnt.items() if v > 1}