Java 正则表达式跳过匹配

Question

我有一些文字；我想提取没有用标点符号分隔的单词对。这是代码:

//n-grams
Pattern p = Pattern.compile("[a-z]+");
if (n == 2) {
    p = Pattern.compile("[a-z]+ [a-z]+");
}
if (n == 3) {
    p = Pattern.compile("[a-z]+ [a-z]+ [a-z]+");
}
Matcher m = p.matcher(text.toLowerCase());
ArrayList<String> result = new ArrayList<String>();

while (m.find()) {
    String temporary = m.group();
    System.out.println(temporary);

    result.add(temporary);
}

问题是它会跳过一些匹配项。例如

"My name is James"

，对于 n = 3，必须匹配

"my name is" and "name is james"

，但它只匹配第一个。有办法解决这个问题吗？

Answer 1

您可以使用 lookahead 中的组来捕获它

(?=(\b[a-z]+\b \b[a-z]+\b \b[a-z]+\b))

这导致它分成两组..所以在你的情况下它会是

Group1->我的名字是

Group2->名字是 james