有没有办法匹配句子中的所有相邻单词？

Question

my $line = "The quick brown fox jumps over the lazy dog.";

while ($line){
    $line =~ s/["",]//ig; #[] means to get rid of 
    #print $line
    $line = lc($line); #lc is lowercase
        while ($line=~m/\b(\w+\s\w+)\b/ig){ #[^ ] means any character except spaces and newline #($line=~m/\b(\s\w+\s\w+)\b/ig)
        my $word =$1;
        print "$word\n";
        $wordcount{$word} += 1;
         
    }
last;

}
close(INPUT);
close(OUTPUT);

想要的排名将是：快速，快速的棕色，棕色的狐狸，狐狸跳。但是，对于上面的代码，我只得到快速，棕色的狐狸，跳过...。

Answer 1

可以使用a

use warnings;
use strict;
use feature 'say';

my $string = shift // 'The quick brown fox jumps over the lazy dog.';
 
while ( $string =~ /(\w+)\s+(?=(\w+))/g ) { 
   say "$1 $2";
}

对根据需要重叠打印。这允许单词之间的任何数量的空间。^†

---

一个解释。

在用（\ W+）捕获一个单词后，LookAhead （？= ...）仅断言（“向前看”） “消耗”它也无法超越它（当我们用（额外的）帕伦斯捕获它时，我们在$ 1和$ 2中获得了两个单词。我们只消耗了一个单词，正则发动机在第一个单词之后就停留在空间之后。

因此，在下一个迭代中，它可以匹配下一个单词，这是Lookahead的最后一个“看到”。然后它再次发现了lookahead的下一个单词，再次捕获了这两种单词。等等，因此重叠。

---

^†删除+，仅使用\ s，如果您确实只想允许一个 whitespace 。如果仅想要一个字面空间 - 没有标签等，请参阅链接以获取\ s匹配的内容 - 然后，而不是\ s使用 （字面空间， space ）或[]，“字符类”（括号）内的字面空间（括号），为了清楚起见。

Answer 2

您可以使用

(\w+)\s(?=(\w+\b))

REGEX说明

• （捕获组
  • \ w+匹配一个字
• ​
• ​
• ​遵循正则匹配
  • （捕获组
    • \ w+\ b匹配一个字
  • ）关闭组
• ） close lookahead

请参阅regex demo

perl示例

my $line = "The quick brown fox jumps over the lazy dog.";

while ($line =~ /(\w+)\s(?=(\w+\b))/g) {
    print("$1 $2\n");
}

输出

The quick
quick brown
brown fox
fox jumps
jumps over
over the
the lazy
lazy dog

Answer 3

如果将字符串分为一系列单词，则根本不需要用正则表达式做任何事情：

#!/usr/bin/env perl                                                                                                                                                                                                                              
use strict;
use warnings;
use feature qw/say/;

my $line = "The quick brown fox jumps over the lazy dog.";
$line =~ s/[^\w\s]//g; # Remove non-word, non-whitespace characters                                                                                                                                                                              
my @words = split ' ', $line;
for my $i (0 .. $#words - 1) {
    say "$words[$i] $words[$i + 1]";
}