如何使用正则表达式查找重叠的单词集？

Question

现在，我有一个正则表达式，它看起来像"\\\\w+ \\\\w+" ，可以找到2个单词的短语，但是它们并不重叠。 例如，如果我的句子是The dog ran inside ，则当我需要显示"The dog", "dog ran", "ran inside"时，输出将显示"The dog", "ran inside" "The dog", "dog ran", "ran inside" 。 我知道有一种方法可以做到这一点，但是对于使用正则表达式来了解如何做到这一点我还太陌生。

谢谢！

Answer 1

您可以使用前瞻，捕获组和单词边界锚来实现：

Pattern regex = Pattern.compile("\\b(?=(\\w+ \\w+))");
Matcher regexMatcher = regex.matcher(subjectString);
while (regexMatcher.find()) {
    matchList.add(regexMatcher.group(1));
} 

Answer 2

仅使用正则表达式是不可能的，您不能两次匹配相同的字符（“ dog”不能在两个单独的组中）。 这样的事情根本不需要正则表达式，您可以简单地用空格将字符串分割，然后将其组合起来，但是您可以：

>>> words = "The dog ran inside".split(" ")
>>> [" ".join(words[i:i+2]) for i in range(len(words)-1)]
['The dog', 'dog ran', 'ran inside']

如果那不能解决您的问题，请提供更多有关您要完成的工作的详细信息。

Answer 3

使用前瞻性获取第二个单词，将非前瞻性与前瞻性部分串联起来。

# This is Perl. The important bits:
#
# $1 is what the first parens captured.
# $2 is what the second parens captured.
# . is the concatenation operator (like Java's "+").

while (/(\w+)(?=(\s+\w+))/g) {
   my $phrase = $1 . $2; 
   ...
}

抱歉，对Java的了解不够，但这在Java中也应该足够容易。

Answer 4

最简单的方法（对于大String来说更快）是使用split ：

    final String[] arrStr = "The dog ran inside".split(" ");
    for (int i = 0, n = arrStr.length - 1; i < n; i++) {
        System.out.format("%s %s%n", arrStr[i], arrStr[i + 1]);
    }

淘汰

The dog
dog ran
ran inside

找不到正则表达式的把戏