Python Regex：选择相邻的两个（hashtag）单词的所有组

我有一个示例字符串：

#water #atlantic ocean #sea

我想用正则表达式来选择两组相邻的标签词。这将返回：

[[['#water']['#atlantic ocean']], [['#atlantic ocean']['#sea']]]

我不知道怎么做这个正则表达式。我得到的最接近的结果是： （[#][A-Za-z\s]+\s？）

这只会产生以下结果（在python中）：

我试着在末尾加一个{2}，但这似乎不匹配。关于如何实现这一点，您有什么想法吗？

为了进行重叠匹配，您需要使用

(?=(#[A-Za-z]+(?:\s[A-Za-z]+)?\s#[A-Za-z]+(?:\s[A-Za-z]+)?))

或

如果下列单词出现零次或多次，请在非捕获组后使用

*

而不是

？

>>> m = re.findall(r'(?=(#[A-Za-z]+(?:\s[A-Za-z]+)*)\s(#[A-Za-z]+(?:\s[A-Za-z]+)*))', s)
>>> print m
[('#water', '#atlantic ocean'), ('#atlantic ocean', '#sea')]

试试这个。这将提供所需的组。抓取捕获

x="#water #atlantic ocean #sea"
print re.findall(r"(#[^#]*)(?=[^#]*(#[^#]*))",x)

输出：

[（“#水”、“大西洋”）、（“#大西洋”、“海洋”）]

见演示

---

对我来说，在

#

上拆分比使用复杂的正则表达式更直观：

import re
expr = "#water #atlantic ocean #sea"
groups = filter(None, re.split(r' ?#', expr))
# another option is to use a split that doesn't require regex at all:
# groups = filter(None, map(str.strip, expr.split("#"))) 
res = []
for i, itm in enumerate(groups):
    if i < len(groups)-1:
        res.append(["#"+itm, "#"+groups[i + 1]])

print res  # [['#water', '#atlantic ocean'], ['#atlantic ocean', '#sea']]

重新导入
expr=“#水#大西洋#海”
组=过滤器（无，重新拆分（r'？#'，expr））
#另一种选择是使用完全不需要正则表达式的拆分：
#groups=filter（无，映射（str.strip，expr.split（“#”））
res=[]
对于i，枚举（组）中的itm：
如果i

如果有四个标签怎么办？两个（标签）单词“相邻”是什么意思？例如，在我看来，大西洋和海洋并不相邻。它们之间用非标签词

ocean

隔开。您得到了

#atlantic

，但OP想要

#atlantic

呃。。您的代码和演示不匹配。你的代码实际上没有给出海洋。当我尝试它时，它确实起作用了。。。x=“#水#大西洋#海”印刷品关于findall（r）（#[^#]*）（？=[^#]*（#[^#]*）”，x）[（#水'，#大西洋'，（#大西洋'，#海]]正如我前面提到的，它也适用于扩展。这一个实际上最适用于我正在尝试的操作，因为它确实返回元组，我不必进行额外的拆分，这就是我选择它的原因。如果hashtag还包括@symbols或其他类型呢？你能在多个字符上拆分吗？我想这最适合我要做的事情，因为如果我需要的话，我可以将它扩展到多个选项，比如@s。。。非常感谢。

>>> m = re.findall(r'(?=(#[A-Za-z]+(?:\s[A-Za-z]+)*)\s(#[A-Za-z]+(?:\s[A-Za-z]+)*))', s)
>>> print m
[('#water', '#atlantic ocean'), ('#atlantic ocean', '#sea')]

(#[^#]*)(?=[^#]*(#[^#]*))

x="#water #atlantic ocean #sea"
print re.findall(r"(#[^#]*)(?=[^#]*(#[^#]*))",x)

import re
expr = "#water #atlantic ocean #sea"
groups = filter(None, re.split(r' ?#', expr))
# another option is to use a split that doesn't require regex at all:
# groups = filter(None, map(str.strip, expr.split("#"))) 
res = []
for i, itm in enumerate(groups):
    if i < len(groups)-1:
        res.append(["#"+itm, "#"+groups[i + 1]])

print res  # [['#water', '#atlantic ocean'], ['#atlantic ocean', '#sea']]