Regex ngrams与正则表达式的重叠匹配

我有一个字符串，需要使用正则表达式

"hello COMMA the matche's roll over matche's or the expression for details PCRE flavors of regex are supported here"

我想找到bi和它的三角图。所以专注于大字游戏应该会吸引你

hello COMMA
COMMA the
the matche's
etc

我写这个正则表达式就是为了做到这一点，但它并没有抓住重叠的结果

[\w'-]+ [\w'-]+

它只会抓人

hello COMMA
the matches
etc

当我把它包起来的时候，它现在会抓住各种各样的垃圾。我错过了什么

(?=([\w'-]+ [\w'-]+))

---

另外，overlap=True由于某种原因对我不起作用，请不要使用正则表达式进行文本处理。有专门为该作业设计的NLTK包：

import nltk
text = "hello COMMA the matche's roll over ..."
words = nltk.word_tokenize(text)
list(nltk.bigrams(words))
# [('hello', 'COMMA'), ('COMMA', 'the'), ('the', 'matche'),...]
list(nltk.trigrams(words))
#[('hello', 'COMMA', 'the'), ('COMMA', 'the', 'matche'), ...]

---

不要将正则表达式用于文本处理。有专门为该作业设计的NLTK包：

import nltk
text = "hello COMMA the matche's roll over ..."
words = nltk.word_tokenize(text)
list(nltk.bigrams(words))
# [('hello', 'COMMA'), ('COMMA', 'the'), ('the', 'matche'),...]
list(nltk.trigrams(words))
#[('hello', 'COMMA', 'the'), ('COMMA', 'the', 'matche'), ...]

---

请您尝试以下方法：

import re

str = "hello COMMA the matche's roll over matche's or the expression for details PCRE flavors of regex are supported here"

matches = re.finditer(r'\S+\s(?=(\S+))', str)
for match in matches:
    print(match.group(0) + match.group(1))

输出：

hello COMMA
COMMA the
the matche's
matche's roll
[snipped]

正则表达式？=\S+在正向前瞻断言中包含一个捕获组。

---

由于零宽度匹配，它将match.group1分配给匹配的子字符串，而不向前移动位置。

请尝试以下操作：

import re

str = "hello COMMA the matche's roll over matche's or the expression for details PCRE flavors of regex are supported here"

matches = re.finditer(r'\S+\s(?=(\S+))', str)
for match in matches:
    print(match.group(0) + match.group(1))

输出：

hello COMMA
COMMA the
the matche's
matche's roll
[snipped]

正则表达式？=\S+在正向前瞻断言中包含一个捕获组。

---

由于零宽度匹配，它将match.group1分配给匹配的子字符串，而不向前移动位置。

下面的正则表达式是@Wiktor在对问题的评论中建议的正则表达式的推广和简化。Wiktor的溶液是2克或2克。此解决方案适用于3克或三角形。对于n-grams，其中n是变量，将{2}替换为{n-1}

首先假设字符串只包含单词字符和空格。然后，可以使用以下正则表达式来提取三角图：

(?=(?<!\S)(\w+(?:\s+\w+){2}))

但是，如果对某些字符的可能数字和位置要求太多，正则表达式很快就会崩溃

---

这是一个不应该使用正则表达式的示例，因为使用其他工具可以更容易地生成所需的数组。然而，这是一个有用的练习，因为它确实提高了人们使用正则表达式的能力

下面的正则表达式是@Wiktor对该问题的评论中建议的正则表达式的推广和简化。Wiktor的溶液是2克或2克。此解决方案适用于3克或三角形。对于n-grams，其中n是变量，将{2}替换为{n-1}

首先假设字符串只包含单词字符和空格。然后，可以使用以下正则表达式来提取三角图：

(?=(?<!\S)(\w+(?:\s+\w+){2}))

但是，如果对某些字符的可能数字和位置要求太多，正则表达式很快就会崩溃

---

这是一个不应该使用正则表达式的示例，因为使用其他工具可以更容易地生成所需的数组。然而，这是一个有用的练习，因为它确实提高了人们使用正则表达式的能力

试试？=？，在Ruby中，对于一个n-gram，这可以按如下方式完成。如果str=hello逗号。。。这里支持，n=3一个三元组，然后str.split.each_consn.map{| a | a.join''>[你好，逗号，匹配的逗号，匹配的滚动，…]。我希望这可以在Python中使用与Ruby相当的Python方法来完成，并且.Try？=？，请参见Ruby中的这可以在n-gram中完成，如下所示。如果str=hello逗号。。。这里支持，n=3一个三元组，然后str.split.each_consn.map{| a | a.join''>[你好，逗号，匹配的逗号，匹配的滚动，…]。我希望这可以在Python中使用Ruby的Python等效方法来实现。这很巧妙，但我需要使用正则表达式来实现这一点，我更新op来实现这一点。这很巧妙，但我需要使用正则表达式来实现这一点，我更新op来实现这一点。