regex - 如何使用正则表达式识别重复字符？

Question

这个问题是关于正则表达式的谜题。我有一个包含重复字符的单词列表，例如

stubbornness
raccoon
cooccurred
successful

请注意，每个术语都有两组重复的字母，例如“bb”，在“固执”中。我已经编写了我的脚本(在 ruby​​ 中)，并且我能够在代码循环中使用逐字符迭代来解决我的任务。

然而，这个令人费解的任务引起了我的注意......我想知道是否可以使用正则表达式来完成？我已经咨询了正则表达式教程和其他 StackOverflow 问题，但我不知道如何报告受骗字符。这是所需的输出:

bb stubbornness
cc raccoon
oo cooccurred
cc successful

前面有第一组重复的字母。为此，我尝试编写自己的正则表达式(在 MacOS 上使用 sed；在 Ubuntu 上使用 -r 而不是 -E):

sed -E 's#(.*?)(.)\2(.*)#\2\2 \1\2\2\3#g'

但是它有一个无效的重复运算符操作数。有任何想法吗？请注意，重复字符可能位于字符串中的任何位置。

Answer 1

试试这个正则表达式:

(.*?)((\w)\3)(.*)

替换为:

\2 \1\2\4

Live Demo on Regex101

感谢 @肯特 谁告诉我 sed 不支持懒惰 .*? ，我想出了这个新的正则表达式:

(
(?!(\w)\2)       # DO NOT Match if there are double letters
.                # Data before dobule letters
)*
((\w)\4)         # Double Letter
(.*)             # Data after letters

# SHORTER REGEX (1 LINE)
((?!(\w)\2).)*((\w)\4)(.*)

替换为:

\3 \0

Live Demo on Regex101