如何从单词中提取辅音/元音组？

Question

我想写一个将单词分成cvc（辅音/元音/辅音）或vcv组的正则表达式。类似于ngrams但使用voyels和辅音的东西。这是一个例子：

helloworld

将生成以下组：

hell
ello
llow
owo
world

我写了以下正则表达式：

(?=(([aeiouy]+|[^aeiouy]+){3}))

第一部分([aeiouy]+|[^aeiouy]+){3}捕获vcv或cvc组，其余(?=( ))是一个积极的先行断言。 它没有按预期工作：

hell
ello
llow
low //owo expected

Answer 1

如果单独使用前瞻，则不会消耗字符，并且解析器会尝试字符串中的所有位置（换句话说，它一次不能跳过多个字符）。

您可以像这样解决问题：

(?=((?:[aeiou]+|[b-dfghj-np-tv-z]+){3}))(?:[aeiou]+|[b-dfghj-np-tv-z]+)

demo

现在每个比赛（前瞻之外）消耗了主要的元音（或辅音）。

Answer 2

通过将所有模式放入前瞻部分，您可以在选择起始匹配点时非贪婪。改为使用一个显式和两个先行V / C序列：

r = re.compile('(?:([aeiouy]+)(?=([^aeiouy]+[aeiouy]+)))|(?:([^aeiouy]+)(?=([aeiouy]+[^aeiouy]+)))')

然后简单地连接组

map (lambda l:''.join(l), re.findall(r,"Helloworld"))