java中搜索重复单词的正则表达式

我想从给定的字符串中找到重复的单词。 我想要一个正则表达式来查找单词的每一次出现。 例如

“我想吃苹果。苹果是一种水果”

---

正则表达式应该找到word

“apple”

这适用于多次重复和多行：

    Pattern p = Pattern.compile("\\b(\\w+)\\b(?=.*\\b(\\1)\\b)", Pattern.DOTALL);

    String s = "I want to eat apple. apple is a fruit.\r\n I really want fruit.";
    Matcher m = p.matcher(s);
    while (m.find()) {
        System.out.println("at: " + m.start(1) + " " + m.group(1));
        System.out.println("    " + m.start(2) + " " + m.group(2));
    }

它输出：

at: 0 I
    41 I
at: 2 want
    50 want
at: 14 apple
    21 apple
at: 32 fruit
    55 fruit

---

您可以使用以下命令来匹配一行中的所有重复单词

(\\b\\w+\\b)(?=.*\\b\\1\\b)        // matches duplicates only in a single line

编辑：如果要在多行中匹配重复项，可以使用：

(\\b\\w+\\b)(?=[\\s\\S]*\\b\\1\\b)  // or the above regex with DOTALL flag

---

请参见和

此方法去除任何非字母数字或空白的内容，在空白处分割，并创建结果的映射

Stream.of("I? want.... to eat apple    eat apple.      apple, is! a fruit".split("[^\\p{L}\\p{N}]+"))
      .collect(Collectors.groupingBy(s -> s))

结果:

a=[a], apple=[apple, apple, apple], fruit=[fruit], want=[want], eat=[eat, eat], I=[I], is=[is], to=[to]

---

那么你有没有尝试过任何方法来解决你的问题？为什么你想使用正则表达式？正则表达式不是正确的方法。使用

String#split（）

，然后将字符串添加到

集合

。要清楚，使用正则表达式解决这个问题在理论上是可能的，但在实践中，随着字符串长度的增加，复杂性会变得太高太快。因此，一种可能的方法是在字符串中存储数据结构中每个不同单词的位置。您的正则表达式将在重复项之间使用文本，这将阻止重复使用它来查找其他重复项，如

eat apple eat apple

它不会复杂得多。你所需要做的就是防止消费，这可以通过前瞻机制来完成。@Pshemo:即使有前瞻，这种模式也会崩溃（或花费太多时间），只需要几行文字。@CasimiretHippolyte是的，我也不喜欢正则表达式（因为它的低效率，比如这一次的贪婪，以及错误，比如缺少对

匹配行分隔符的支持），但是由于OP要求使用正则表达式，所以让他使用它（每个人都有权犯自己的错误）。我希望OP能测试一下这种方法，并找出被否决的评论被否决是有原因的。@Pshemo：我感谢你的支持。我已经尝试过写一段java代码……我想尝试一下regex……因为我不是regex的专家……寻求帮助……这是我的代码……它不是做而不是收集在搜索单词本身时（这不是很有趣），您应该在字符串中收集这些单词的索引。还要注意的是，您应该使用例如

[\\p{L}\\p{N}]来搜索字符串，而不是替换特殊字符并用空格分隔+

。已更新拆分正则表达式。@SteveChaloner:我无法解析流和收集器。@AbhijitBashetti它们来自Java 8