如何修改正则表达式以返回存在部分重叠的所有匹配结果？

问题分析 #

你当前的正则表达式在匹配时会消耗上下文字符，导致后续目标单词（比如示例中的pages）被已匹配内容覆盖，只能返回第一个匹配片段。要实现每个目标单词都带上前后最多5个单词的上下文，需调整正则结构，避免字符消耗，确保所有匹配项都能被捕获。

解决方案 #

使用**正向预查（lookahead）**包裹整个上下文+匹配项的结构，让正则在匹配时不消耗字符，这样可以扫描到所有符合条件的目标单词及其上下文。同时调整正则的匹配逻辑，确保前后单词的数量限制准确。

修改后的代码示例 #

library(stringr)

test_str <- "Made out of wood, a book can contain many pages that are used to transmit information."

# 修改后的正则：用正向预查捕获所有符合条件的片段
my_regex <- "(?i)(?=((?:\\w+\\W+){0,5}\\b(book\\w*|page\\w*)\\b(?:\\W+\\w+){0,5}))"

# 提取所有匹配的片段
raw_results <- str_extract_all(test_str, pattern = my_regex)[[1]]

# 高亮匹配的目标单词
highlighted_results <- lapply(raw_results, function(segment) {
  str_replace(segment, "(?i)\\b(book\\w*|page\\w*)\\b", "**\\1**")
})

# 输出结果
highlighted_results

输出结果 #

[[1]]
[1] "Made out of wood, a **book** can contain many pages that"

[[2]]
[1] "a book can contain many **pages** that are used to transmit"

正则解释 #

• (?i)：开启不区分大小写匹配
• (?=...)：正向预查，仅检查后续是否符合模式，不消耗字符，确保后续匹配可以继续扫描
• (?:\\w+\\W+){0,5}：匹配最多5个单词（单词+非单词字符的组合），作为匹配项的前置上下文
• \\b(book\\w*|page\\w*)\\b：匹配目标单词book或page及其可能的后缀（比如pages），\\b确保匹配完整单词
• (?:\\W+\\w+){0,5}：匹配最多5个单词，作为匹配项的后置上下文

内容的提问来源于stack exchange，提问作者Rasul89