Java正则表达式，用于查找出现在一起的两个单词

我正在尝试编写一个正则表达式，它将计算字符串中两个单词在一定距离内（彼此之间的距离不超过5个单词）同时出现的次数，而不会重复计算单词

例如，如果我有一个字符串：

“这个人喜欢他的大帽子。这顶帽子非常大。”

在这种情况下，正则表达式应该在第一句中看到“big hat”，在第二句中看到“hats is big”，总共返回2。请注意，在第二个句子中，“hat”和“big”之间有几个词，它们的出现顺序也与第一个句子不同，但它们仍然出现在5个词的窗口内

如果正则表达式不是解决这个问题的正确方法，请告诉我应该尝试什么

如果正则表达式不是解决这个问题的正确方法，请告诉我应该尝试什么

正则表达式可能会起作用，但它们不是最好的方法

更好的方法是将输入字符串拆分为一个单词序列（例如，使用

string.split（…）

），然后循环遍历该序列，如下所示：

String[] words = input.split("\\s");
int count = 0;
for (int i = 0; i < words.length; i++) {
    if (words[i].equals("big")) {
        for (int j = i + 1; j < words.length && j - i < 5; j++) {
            if (words[j].equals("hat")) {
                count++;
            }
        }
    }
}
// And repeat for "hat" followed by "big".

String[]words=input.split（\\s”）；
整数计数=0；
for（int i=0；i

你可能需要根据你想数到的数字来改变，但这只是一般的想法

---

---

如果你需要对很多很多词进行组合，那么寻找一个更有效的解决方案是值得的。但是，作为一次性或低容量的用例，最简单的是最好的。

有点像Stephen C，但使用库类来辅助力学

    String input = "The man liked his big hat. The hat was very big";
    int proximity = 5;

    // split input into words
    String[] words = input.split("[\\W]+");

    // create a Deque of the first <proximity> words
    Deque<String> haystack = new LinkedList<String>(Arrays.asList(Arrays.copyOfRange(words, 0, proximity)));

    // count duplicates in the first <proximity> words
    int count = haystack.size() - new HashSet<String>(haystack).size();
    System.out.println("initial matches: " + count);

    // process the rest of the words
    for (int i = proximity; i < words.length; i++) {
        String word = words[i];
        System.out.println("matching '" + word + "' in [" + haystack + "]");

        if (haystack.contains(word)) {
            System.out.println("matched word " + word + " at index " + i);
            count++;
        }

        // remove the first word
        haystack.removeFirst();
        // add the current word
        haystack.addLast(word);
    }

    System.out.println("total matches:" + count);

String input=“这个男人喜欢他的大帽子，帽子非常大”；
int接近度=5；
//将输入拆分为单词
String[]words=input.split（[\\W]+”）；
//创建第一个单词的名称
dequehaystack=newlinkedlist（Arrays.asList（Arrays.copyOfRange（words，0，approxity））；
//计算第一个单词中的重复项
int count=haystack.size（）-新HashSet（haystack.size（）；
System.out.println（“初始匹配：“+count”）；
//处理剩下的单词
for（int i=接近度；i

此正则表达式将匹配两个单词的每一次出现，两个单词在5个单词内同时出现

([a-zA-Z]+)(?:[^ ]* ){0,5}\1[^a-zA-Z]

• （[a-zA-Z]+）

  将匹配word，如果您能将其匹配到您的word中的[0-9]，您可以替换（[a-zA-Z0-9]+）

• （？：[^]*）{0,5}

  以匹配0到5个单词

• \1[^a-zA-Z]

  以匹配单词的重复

---

然后，您可以将其与一个模式一起使用，并找到重复出现的每个单词。。。其他答案中的所有代码。。。这个单线解决方案怎么样：

int count = input.split("big( \\b.*?){1,5}hat").length + input.split("hat( \\b.*?){1,5}big").length - 2;

---

我曾考虑过类似的事情，但这似乎有点野蛮，我也相信它最终会重复计算一些单词。你需要知道你在寻找哪些单词。