Python 正则表达式 findall 匹配所有单词对

Question

我需要用正则表达式在字符串中按顺序列出每对单词，代码的相关部分是这样的:

for word in re.findall(r'\w+\b.*?\w+', text):

现在让我们以文本"This is a random text"为例，我想要的是这样的列表:

['This is','is a','a random','random text']

相反，我得到的是:

['This is','a random']

我该如何解决这个问题？提前致谢。

Answer 1

你说过单词是由随机数量的空格和/或标点符号分隔的，为此，我使用了 [\s\.]+。

你在这里做错的是你正在使用第二个词，你需要的是一个与第二个词匹配但不使用它的积极前瞻，所以它会在下次匹配它。因为你说它是一个巨大的文本，我认为使用 finditer 比 findall 更好，不同之处在于它返回一个生成器，该生成器生成 findall< 返回的相同元素:

import re

text ="""This. is a random text"""

pattern = re.compile(r'(\w+[\s\.]+)(?=(\w+))')
for match in pattern.finditer(text):
    # rebuild the word
    element = ''.join(match.groups())
    print(element)

输出:

This. is
is a
a random
random text

请注意，默认情况下，正面前瞻不是捕获组，这就是为什么我这样做 (?=(\w+)) 来捕获其中的单词。第一组是 (\w+[\s\.]+)。然后我使用 join 再次重建连接组。