如何使用正则表达式查找重复的短语？

Question

我正在编辑一些孩子作为学校代表制作的epub。在此文件中，通常存在多个复制/粘贴错误。所以我已将整个内容导出到xhtml文件中，使用SublimeText（如果这很重要），我需要查找</p>标记之前的最后4或5个单词是否已经存在在相同的行中（或者更好，在相关的<p>标记之后）。

例如，这是我经常发现的：

<p>This is a whole paragraph that shouldn't contain any repetition. that shouldn't contain any repetition.</p>

这里和网上有一些关于寻找重复的例子，但是他们总是期待，而我需要向后找到重复（或者至少对我来说是这样）。

Answer 1

我假设标签<p>不存在，因为在这种情况下，语句没有重复完成。

所以，如果文本只是：

  

这是一个不应该包含任何重复的整段。那不应该包含任何重复。

然后你可以像这样使用某些东西：

(.+)\1

<强> Regex demo

更新：正如 revo 在评论中指出，您可以利用积极前瞻来匹配模式

(.+)\1(?=<\/p>)