Python Regex：匹配由一個其他單詞完全分隔的任何重復單詞

Question

我遇到了這個問題，我需要使用正則表達式來查找由另一個單詞分隔的重復單詞。

因此，如果：

"all in all"將返回： "all"

"good good good"將返回： Null （同一個詞不是另一個詞）

我試過了：

p = re.compile(r'(\b\w+\b)\s\w+\s\1')
m = p.findall('all in all day in and day out bit by bit good good good')

print(m)

這將返回['all', 'bit', 'good'] ，但我只希望它返回['all','bit'] 。

提前致謝！

Answer 1

您只需要在初始捕獲組之后立即為單詞添加否定前瞻，以確保您的正則表達式無法匹配（例如） good good ：

import re

p = re.compile(r'(\b\w+\b)(?!\s\1\b)\s\w+\s\1\b')
m = p.findall('all in all day in and day out bit by bit good good good')

print(m)

輸出：

['all', 'bit']

如果要包含重疊匹配項，請將整個正則表達式設為正向預測（感謝 @ggorlen）：

p = re.compile(r'(?=(\b\w+\b)(?!\s\1\b)\s\w+\s\1\b)')
m = p.findall('foo bar foo bar foo')

輸出：

['foo', 'bar', 'foo']

如果您還需要刪除重復的匹配項，請轉換為set並返回list ：

p = re.compile(r'(?=(\b\w+\b)(?!\s\1\b)\s\w+\s\1\b)')
m = list(set(p.findall('foo bar foo bar foo')))
print(m)

輸出：

['foo', 'bar']

Answer 2

不需要正則表達式； 正常的編程結構可以很好地處理此類問題。 編寫一個循環並添加一個條件：

s = 'all in all day in and day out bit by bit good good good'

words = s.split()
result = []

for i in range(len(words) - 2):
    if words[i] == words[i+2] and words[i] != words[i+1]:
        result.append(words[i])

print(result) # ['all', 'bit']