是否可以在正则表达式中使用周期性？

Question

我正在尝试为Rapidminer中的Tokenizer运算符查找正则表达式。

现在，我要做的是将文本分成两个词的一部分。例如，That was a good movie.应得出That was，was a，a good，good movie。

关于分词器中的正则表达式的特殊之处在于，它充当分隔符的角色，因此您匹配的是分割点，而不是要保留的内容。

因此，首先想到的是使用\s以便在空白处进行拆分，但这将导致分别获取每个单词。

所以，我的问题是如何强制表达式以某种方式跳过两个空白之一？

Answer 1

您可以做的是使用零宽度的组（例如正向向前看，如示例所示）。正则表达式通常“消耗”它检查的字符，但是在正向查找/向后查找时，您断言字符存在，而不会阻止进一步的检查来检查那些字母。

这应该适合您的目的：

(\w+)(?=(\W+\w+))

以下模式对两个单词的每对匹配（请注意，由于它没有一对，因此不会匹配最后一个单词）。第一个单词在第一个捕获组(\w+)中。然后正向查找包括一个非单词字符序列\W+的匹配项，然后是另一个单词字符串\w+的匹配项。前瞻(?=...)第二个单词未“消耗”。

Here is a link to a demo on Regex101

请注意，对于每个匹配项，每个单词都在其自己的捕获组（组1，组2）中

Answer 2

Here是示例解决方案，(?=(\b[A-Za-z]+\s[A-Za-z]+))受此SO question启发。一旦您了解到这是正则表达式模式重叠的问题，我的问题听起来就错了。