Question

我在制作以下正则表达式时遇到了一些问题。我想要以下字符串：

"Please enter your name here"

生成包含以下元素的数组：

'please enter', 'enter your', 'your name', 'name here'

目前，我正在使用以下模式，然后创建匹配器并以下列方式进行迭代：

Pattern word = Pattern.compile("[\w]+ [\w]+");
Matcher m = word.matcher("Please enter your name here");

while (m.find()) {
    wordList.add(m.group());
}

但我得到的结果是：

'please enter', 'your name'

我做错了什么？（P.，我在regexpal.com上检查了相同的正则表达式并遇到了同样的问题）。似乎同一个单词不会匹配两次。我能做些什么才能达到我想要的效果？

感谢。

---------------------------------

修改感谢所有的建议！我最终这样做了（因为它增加了灵活性，可以轻松指定“n-gram”的数量）：

Integer nGrams = 2;
String patternTpl = "\\b[\\w']+\\b";
String concatString = "what is your age? please enter your name."
for (int i = 0; i < nGrams; i++) {
    // Create pattern.
    String pattern = patternTpl;
    for (int j = 0; j < i; j++) {
        pattern = pattern + " " + patternTpl;
    }
    pattern = "(?=(" + pattern + "))";
    Pattern word = Pattern.compile(pattern);
    Matcher m = word.matcher(concatString);

    // Iterate over all words and populate wordList
    while (m.find()) {
        wordList.add(m.group(1));
    }
}

这导致：

Pattern: 
(?=(\b[\w']+\b)) // In the first iteration
(?=(\b[\w']+\b \b[\w']+\b)) // In the second iteration

Array:
[what, is, your, age, please, enter, your, name, what is, is your, your age, please enter, enter your, your name]

注意：从以下最佳答案获得模式：Java regex skipping matches

Answer 1

匹配不能重叠，这可以解释您的结果。这是一个潜在的解决方法，将capturing groups与positive lookahead：

结合使用

Pattern word = Pattern.compile("(\\w+)(?=(\\s\\w+))");
Matcher m = word.matcher("Please enter your name here");

while (m.find()) {
    System.out.println(m.group(1) + m.group(2));
}

Please enter
enter your
your name
name here

Answer 2

如果你想避免使用这种特定的RegEx，也许你应该尝试一种更简单，更简单的解决方案：

public static String[] array(final String string){
    final String[] words = string.split(" ");
    final String[] array = new String[words.length-1];
    for(int i = 0; i < words.length-1; i++)
        array[i] = String.format("%s %s", words[i], words[i+1]);
    return array;
}

public static void main(String args[]){
    final String[] array = array("Please enter your name here");
    System.out.println(Arrays.toString(array));
}

输出结果为：

[Please enter, enter your, your name, name here]

Answer 3

你没有做错任何事。它只是正则表达式的工作方式（否则匹配将变为O（n ^ 2），因为正则表达式匹配是在线性时间内完成的，无法处理）。

在这种情况下，您只需搜索[\w]+即可。并对这些组进行后处理。

Answer 4

类似的东西：

Pattern word = Pattern.compile("(\\w+) ?");
Matcher m = word.matcher("Please enter your name here");

String previous = null;
while (m.find()) {
    if (previous != null)
        wordList.add(previous + m.group(1));
    previous = m.group();
}

模式以可选空格结束（如果字符串中有更多空格，则匹配）。 m.group()以空格返回整个匹配; m.group(1)只返回单词，没有空格。

在Java中使用正则表达式多次匹配一个字符串

4 个答案: