Python 使用正則表達式匹配單詞

Question

我正在尋找一個正則表達式，它匹配前兩個字母等於最后兩個字母的單詞。 一個例子可以闡明需求。

鑒於以下文本：

渡渡鳥是最強壯的鳥類之一。 受過教育的白蟻可能會學會如何操作留聲機，但這不太可能。 我覺得包含岩漿的汞合金會啟發爸爸。

我怎樣才能得到這個輸出：

answer = [('dodo', 'do'), ('sturdiest', 'st'), ('educated', 'ed'),
          ('termite', 'te'), ('phonograph', 'ph'),
          ('sense', 'se'), ('amalgam', 'am'), ('magma', 'ma'),
          ('enlighten', 'en')]

如您所見，2 個初始字符與最后 2 個字符相同。

我的想法是過濾任何長度為 4 個或更多字符的單詞，並且單詞的前 2 個字符與后兩個字符匹配。

到目前為止，我最多可以使用 4 個或更多字符的單詞。

[A-Za-z]{4,}

我不需要完整的程序，我只需要正則表達式。

Answer 1

您可以使用以下正則表達式：

(\w{2})\w*\1

解釋：

• (\\w{2}) ：匹配任意兩個字母並將它們放入捕獲組 1 ( )
• \\w* : 匹配零個或多個字母
• \\1 ：與第一組括號中捕獲的兩個字母完全匹配

見正則表達式演示

Answer 2

使用由karthik manchala 的答案提供的正則表達式的變體，並注意到您想要與您的問題中給出的輸出相同的輸出，這是一個完整的代碼示例：

import re

inputText = """The dodo was one of the sturdiest birds.
An educated termite may learn how to operate a phonograph,
but it's unlikely. I sense that an amalgam that includes
magma will enlighten Papa."""

regex = re.compile(r"((\w{2})\w*\2)")
answer = regex.findall(inputText) 
print("answer = {}".format(answer))

請注意，除了捕獲前兩個字符的組(\\w{2}) ，允許其間包含任意數量的字符， \\w* ，並最終匹配末尾的第一組\\2 ，我已經包圍帶有另一組括號( ... )的整個正則表達式。

運行時，整個單詞將是\\1 ，而兩個字符組是\\2 ，使用findall將查找所有出現並返回元組列表，其中每個元組是捕獲組。