"正則表達式 (Python) - 匹配具有兩個或多個不同元音的單詞"

Question

我正在嘗試匹配包含兩個或多個不同元音的字符串中的單詞。 問題可以限制為小寫。

string = 'pool pound polio papa pick pair'

預期結果：

pound, polio, pair

pool和papa會失敗，因為它們只包含一個不同的元音。 但是， polio很好，因為即使它包含兩個o ，它也包含兩個不同的元音（ i和o ）。 mississippi會失敗，但albuquerque會通過）。

思考過程：使用環視，可能五次（忽略大寫），用括號括起來，然后是{2} 。 就像是：

re.findall(r'\w*((?=a{1})|(?=e{1})|(?=i{1})|(?=o{1})|(?=u{1})){2}\w*', string)

但是，這匹配所有六個單詞。

我殺死了{1} ，這使它更漂亮（ {1}似乎沒有必要），但它仍然返回所有六個：

re.findall(r'\w*((?=a)|(?=e)|(?=i)|(?=o)|(?=u))\w*', string)

提前感謝您的任何幫助。 我檢查了其他查詢，包括“如何查找帶有兩個元音的單詞” ，但似乎沒有一個足夠接近。 另外，我正在尋找純正則表達式。

Answer 1

你不需要5個單獨的前瞻，這是完全矯枉過正的。 只需捕獲捕獲組中的第一個元音，然后使用否定前瞻聲明它與第二個元音不同：

[a-z]*([aeiou])[a-z]*(?!\1)[aeiou][a-z]*

請參閱在線演示。

Answer 2

你的\\w*((?=a)|(?=e)|(?=i)|(?=o)|(?=u))\\w* regex匹配所有至少有1個元音的單詞。 \\w*匹配0+單詞字符，因此第一個模式抓取整個字母，數字和下划線。 然后，回溯開始，正則表達式引擎試圖找到一個跟隨a ， e ， i ， o或u 。 一旦找到該位置，之前抓取的單詞字符將再次被抓取並使用尾隨\\w*消耗。

要將整個單詞與至少2個不同的元音相匹配，您可以使用

\b(?=\w*([aeiou])\w*(?!\1)[aeiou])\w+

請參閱正則表達式演示 。

細節

• \\b - 單詞邊界
• (?=\\w*([aeiou])\\w*(?!\\1)[aeiou]) - 一個正向前瞻 ，緊靠當前位置的左側，需要
  • \\w* - 0+單詞字符
  • ([aeiou]) - 捕獲組 1（其值在模式中稍后用\\1 反向引用 ）：任何元音
  • \\w* - 0+單詞字符
  • (?!\\1)[aeiou] - 來自[aeiou]集合的任何元音不等於存儲在第1組中的元音（由於負向前瞻(?!\\1) ，如果，則立即返回到在當前位置右側，找到前瞻模式匹配）
• \\w+ - 1個或更多單詞字符。

Answer 3

匹配字符串中至少包含兩個不同元音且字符數最少的單詞（據我所知）： \\w*([aeiou])\\w*(?!\\1)[aeiou]\\w*<\/code>

演示： https<\/a> :\/\/regex101.com\/r\/uRgVVa\/1

解釋：

• \\w*<\/code> ：匹配 0 個或多個單詞字符。 您不需要以單詞邊界（ \\b<\/code> ）開頭，因為\\w<\/code>不包含空格，因此使用\\b<\/code>將是多余的。

• ([aeiou])<\/code> : [aeiou]<\/code>匹配任何一個元音。 它在括號中，因此我們可以參考稍后匹配的元音。 這些第一個括號內的任何內容都是第 1 組。

• \\w*<\/code> ：匹配 0 個或多個單詞字符。

• (?!\\1)<\/code> : 表示后面的正則表達式不能與組 1 中選擇的字符相同。例如，如果組 1 中匹配的元音是a<\/code> ，則后面的正則表達式不能是a<\/code> 。 這由\\1<\/code>調用，它引用在組 1 中選擇的字符（例如，如果匹配a<\/code>組 1，則\\1<\/code>引用a<\/code> ）。 ?!<\/code> 是一個否定的前瞻，表示括號外的以下正則表達式無法匹配后面的內容?!<\/code> .

• \\w*<\/code> ：匹配 0 個或多個單詞字符。