Question

我正在寻找能够将字n和n匹配的正则表达式。让我们说n := 2，它会产生：

Lorem ipsum dolor sit amet, consectetur adipiscing elit

Lorem ipsum，ipsum dolor，dolor sit，sit amet（请注意此处的逗号），consectetur adipiscing，adipiscing elit。

我尝试将\b用于字边界无济于事。我真的迷失了，试图找到能够给我n字的正则表达式... /\b(\w+)\b(\w+)\b/i无法削减它，甚至尝试了多种组合。

Answer 1

单词边界\b不会消费任何字符，它是零宽度断言，只有断言单词和非单词之间的位置单词字符，字符串开头和单词字符之间以及单词字符串和字符串结尾之间。

你需要在单词之间使用\s+ 消费空格，并使用正向前瞻技术中的捕获来获得重叠匹配：

var n = 2;
var s = "Lorem ipsum dolor sit amet, consectetur adipiscing elit";
var re = new RegExp("(?=(\\b\\w+(?:\\s+\\w+){" + (n-1) + "}\\b))", "g");
var res = [], m;
while ((m=re.exec(s)) !== null) { // Iterating through matches
 if (m.index === re.lastIndex) {  // This is necessary to avoid 
        re.lastIndex++;           // infinite loops with 
 }                                // zero-width matches
 res.push(m[1]);                  // Collecting the results (group 1 values)
}
console.log(res);

最终模式将动态构建，因为您需要将变量传递给正则表达式，因此需要RegExp构造函数表示法。它看起来像

/(?=(\b\w+(?:\s+\w+){1}\b))/g

它将在字符串中找到遵循以下顺序的所有位置：

\b - 字边界
\w+ - 一个或多个单词字符
(?:\s+\w+){n} - n序列：
- \s+ - 一个或多个空格
- \w+ - 一个或多个单词字符
\b - 尾随字边界

Answer 2

除了将输入分成单词之外，正则表达式并不是您真正需要的。问题是这个问题涉及匹配重叠子串，regexp不是很擅长，特别是JavaScript的味道。相反，只需将输入分解为单词，快速的JavaScript就会生成＆＃34; n-gram＆＃34; （这是你的n字组的正确术语）。

＆＃13;

const input = "Lorem ipsum dolor sit amet, consectetur adipiscing elit";

// From an array of words, generate n-grams.
function ngrams(words, n) {
  const results = [];

  for (let i = 0; i < words.length - n + 1; i++) 
    results.push(words.slice(i, i + n));

  return results;
}

console.log(ngrams(input.match(/\w+./g), 2));

＆＃13;

Answer 3

不是纯正的正则表达式解决方案，但它有效，易于阅读和理解：

let input = 'Lorem ipsum dolor sit amet, consectetur adipiscing elit';
let matches = input.match(/(\w+,? \w+)/g)
    .map(str => str.replace(',', ''));

console.log(matches) // ['Lorem ipsum', 'dolor sit', 'amet consectetur', 'adipiscing elit']

警告：不检查没有匹配（match()返回null）

Regexp匹配两个字（或n乘n）

3 个答案: