Question

我需要一个python正则表达式，它将匹配字符串中所有（非空）单词序列，假设word是非空白字符的任意非空序列。

可以这样工作的东西：

s = "ab cd efg"
re.findall(..., s)
# ['ab', 'cd', 'efg', 'ab cd', 'cd efg', 'ab cd efg']

我最接近的是使用regex模块，但仍然不我想要的内容：

regex.findall(r"\b\S.+\b", s, overlapped=True)
# ['ab cd efg', 'cd efg', 'efg']

另外，为了清楚起见，我不希望'ab efg'在那里。

Answer 1

类似的东西：

matches = "ab cd efg".split()
matches2 = [" ".join(matches[i:j])
            for i in range(len(matches))
            for j in range(i + 1, len(matches) + 1)]
print(matches2)

输出：

['ab', 'ab cd', 'ab cd efg', 'cd', 'cd efg', 'efg']

Answer 2

您可以做的是匹配所有字符串及其空格，然后将连续的切片连接在一起。（这类似于Maxim的方法，虽然我确实独立开发了这个，但这保留了空白）

import regex
s = "ab cd efg"
subs = regex.findall(r"\S+\s*", s)
def combos(l):
	out = []
	for i in range(len(subs)):
		for j in range(i + 1, len(subs) + 1):
			out.append("".join(subs[i:j]).strip())
	return out
print(combos(subs))

Try it online!

首先找到匹配单词后跟任意数量空格的所有\S+\s*，然后获取所有连续切片，连接它们，并从右侧删除空格。

如果空白始终是一个空格，只需使用Maxim的方法;它更简单，更快，但不保留空白。

Answer 3

没有正则表达式：

import itertools
def n_wise(iterable, n=2):
    "s -> (s0,s1), (s1,s2), (s2, s3), ..."
    iterables = itertools.tee(iterable, n)
    for k, it in enumerate(iterables):
        for _ in range(k):
            next(it, None)
    return zip(*iterables)

def foo(s):
    s = s.split()
    for n in range(1, len(s)+1):
        for thing in n_wise(s, n=n):
            yield ' '.join(thing)

s = "ab cd efg hj"
result = [thing for thing in foo(s)]
print(result)

>>> 
['ab', 'cd', 'efg', 'hj', 'ab cd', 'cd efg', 'efg hj', 'ab cd efg', 'cd efg hj', 'ab cd efg hj']
>>>

正则表达式匹配所有单词序列

3 个答案: