regexp模式匹配字符串，字符夹在两个相同的字符串之间

Question

假设我想捕捉此类短语：

  

这非常好。非常棒。

     

我感激，非常感激。

     

那是恶心。绝对令人厌恶。

我希望正则表达式与粗体部分相匹配。请注意，在第一个单词后面可能会出现逗号或点。

Answer 1

怎么样

^.*?(\b\w+\b)(.*?\1).*?$

它匹配一个单词（捕获它），匹配任何直到同一个单词的任何内容（\1是对第一个捕获的反向引用）。

结果是两个捕获组 - 第一个保存实际的单词，第二个 - 其余的包括第二个单词。

regex101 example

问候。

编辑：

如果你想确保中间只有一个单词，并且（我认为）只对这两个单词感兴趣，这是一个替代解决方案：

^.*?(\b\w+\b)[.,]\s*(\w+)\s*\1.*?$

它以相同的方式捕获第一个单词，匹配,或.后跟 a 单词，后跟第一个单词。它只捕获了这两个词。

Example

Answer 2

首先，你不需要描述所有的字符串，所有你需要知道的是，如果字符串的一部分有＆＃34;夹在＆＃34;字：

str_list = ['This is great. Really great.', 'I am grateful, very grateful.', 'That is disgusting. Absolutely very disgusting.', 'abcdef xxxxx abcdefg', 'abcdef xxxxx abcdef']

result = [x for x in str_list if re.search(r'\b(\w+)\W+\w+\W+\1\b', x)]

确保＆＃34;结束词＆＃34;是一个完整的单词，而不是一个更大的单词的一部分，你需要在反向引用后的最后放置一个单词边界。