正看一個頭 - 重複措辭

Question

我只練我的正則表達式，所以沒有真正的「問題」本身。我不希望建議其他NET方法可以做到這一點。這一切都是我學習的，所以請不要回答，如果它不涉及到正則表達式。謝謝。

我給了我自己匹配重複單詞的任務。我對這個詞做了這個硬編碼，但問我自己，如果我們想要所有的單詞。我試圖做的是回到第一組的第一個字，並從那裏去。一整晚都在苦苦掙扎。

一個單詞文本格式的例子是「快速布朗福克斯跳過布朗柵欄」。我們可以看到The和Brown重複了兩次。

表達：

(?i)(?<=\s*\1\.*)\s+(\w+) 

任何提示或建議我要去的地方錯了是很大的。我得到了正則表達式的夥伴，但仍然掙扎着。我正在使用VB.Net

Answer 1

你有什麼實際上是一個向後看，而不是一個前瞻。但是，您的方法仍然可行，但在.NET中，後面的引用（\1）需要之後他們所引用的組。這也將有助於周圍使用單詞字符單詞邊界（\b），而不是測試的空白（\s）。

乍一看，好像你也許可以通過將捕獲組的向後看內解決這個問題：

(?i)(?<=\b(\w+)\b.*)\1 

雖然因爲貪婪.*內向後看，第一集團將只匹配字符串中的第一個字（在The）。因此，這實際上等同於(?i)\b(\w+)\b.*\1。使其非貪婪（.*?）將導致其只匹配相同字的兩個連續的實例。

那麼解決的方法是簡單地使用前瞻這樣的：

(?i)\b(\w+)\b(?=.*\1) 

和公正的情況下，不管是什麼原因，你需要獲得第二個字，而不是第一個，這是可以實現的通過簡單地把第二個捕獲組前瞻

進一步閱讀裏面

• Grouping Constructs in Regular Expressions
• Backreference Constructs in Regular Expressions
• Anchors in Regular Expressions

Answer 2

您在代碼中使用的內容不是「積極向前」，而是「向後看」。

我對vb.net沒有經驗。但並非所有的正則表達式引擎支持具有動態長度向後看（如.*）

但是你的問題可以通過積極的前瞻來解決：

(\b\w+\b)(?=.*?\1) 

我沒有Windows，只是使用grep的-P嘗試（PCRE）和-i（忽略大小寫）選項：

kent$ echo "The quick Brown Fox Jump over the Brown fence."|grep -iPo '(\b\w+\b)(?=.*?\1)' 
The 
Brown