java - 如何使用正则表达式找到重叠的单词集？

Question

现在我有一个正则表达式，看起来像是"\\w+ \\w+"找到 2 个单词的短语，但是，它们不重叠。例如，如果我的句子是The dog ran inside，则输出会"The dog", "ran inside"在我需要它时显示"The dog", "dog ran", "ran inside"。我知道有一种方法可以做到这一点，但我对使用正则表达式太陌生了，不知道如何做到这一点。

谢谢！

Answer 1

您可以使用前瞻、捕获组和单词边界锚点来执行此操作：

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

Answer 2

简单（大字符串更快）的方法是使用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]);
    }

输出

The dog
dog ran
ran inside

没有发现正则表达式的技巧

Answer 3

纯粹使用正则表达式是不可能的，你不能两次匹配相同的字符（“狗”不能在两个单独的组中）。像这样的东西根本不需要正则表达式，你可以简单地用空格分割字符串，然后按照你喜欢的方式组合它：

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

如果这不能解决您的问题，请提供有关您要完成的工作的更多详细信息。

Answer 4

使用先行获得第二个单词，将非先行与先行部分连接起来。

# 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 中也应该很容易做到。