Regex 有没有办法在正则表达式中使用周期性？

我正在尝试为Rapidminer中的

标记器
运算符查找正则表达式

现在，我要做的是将文本分成两个单词的一部分。

例如，
那是一部好电影。
应该导致
那是一部
，
是一部
，
好电影

标记器中正则表达式的特殊之处在于它起到了分隔符的作用，因此匹配的是分割点，而不是要保留的

因此，第一个想法是使用
\s
在空白处进行分割，但这将导致每个单词分别获得

所以，我的问题是如何强制表达式以某种方式跳过两个空格中的一个？
可以使用零宽度组（如示例中所示的正向前瞻）。正则表达式通常“使用”它所检查的字符，但如果具有正向的前向/后向，则可以断言字符存在，而不会阻止进一步检查这些字母

这应该适用于您的目的：

（\w+）（=（\w+\w+）

以下模式匹配每对两个单词（请注意，它不会匹配最后一个单词，因为它没有一对）。第一个单词在第一个捕获组中，
（\w+）
。然后，正向前瞻包括一个非单词字符序列的匹配
\W+
，然后是另一个单词字符字符串
\W+
。前瞻
（？=…）
第二个单词不是“已消费”


请注意，对于每个匹配，每个单词都在其自己的捕获组中（组1，组2）
是一个示例解决方案，
（？=（\b[A-Za-z]+\s[A-Za-z]+）
受此启发。

一旦您理解了这是一个重叠正则表达式模式的问题，我的问题听起来就错了。
首先，我们可以使用\W来识别分隔单词的字符。要删除多个连续实例，我们将使用：

\W+

考虑到这一点，您希望拆分“\W+”表达式中包含的每2个字符实例。因此，结果必须是具有以下形式的字符串：

<a "word"> <separators that are matched by the pattern "\W+"> <another "word">

然后，对于每个令牌，您必须使用以下方法再次对其进行令牌化：

\W+

要获取3个“单词”的标记，可以使用以下模式进行初始拆分：

\w+\W+\w+\W+\w+\K\W+

这种方法利用了\K功能，该功能从匹配中删除到该点为止从正则表达式捕获的所有内容，并启动将返回的新匹配。所以本质上，我们是这样做的：匹配一个单词，匹配分隔符，匹配另一个单词，忘记一切，匹配分隔符，只返回那些

在RapidMiner中，这可以通过两个连续的正则表达式令牌化器来实现，第一个使用上述公式，第二个仅在每个令牌（\W+）中使用分隔符

还请注意，模式\w仅选择拉丁字符，因此如果文档包含不同字符集中的文本，则这些字符将被\w使用，而该字符应与分隔符匹配。如果要使用非拉丁字符集（例如希腊语）捕获文本，则需要如下更改公式：

\p{L}+\P{L}+\p{L}+\K\P{L}+

此外，如果希望公式捕获一种语言上的文本而不是另一种语言上的文本，可以通过指定{language_Identifier}代替{L}对其进行相应的修改。例如，如果您只想捕获希腊文文本，您将使用“{Greek}”或“{InGreek}”，这是RapidMiner的功能。
这与我描述的不一样。我发现这个问题的解决方案与n-gram有关，看看这个
\p{L}+\P{L}+\p{L}+\K\P{L}+