解决LibreOffice/Word中RegEx无法跨单元格查找重复文本片段的问题

正则表达式改进方案 #

原正则的核心问题是默认不匹配换行符，导致无法跨段落/单元格（这类内容通常被换行或段落分隔符隔开）。以下是优化后的正则：

(?s)\b(\w+\s+\w+\s+\w+\s+\w+\s+\w+)(?=.*\b\1\b)

关键调整说明： #

• (?s)：启用单行模式，让.匹配包括换行符在内的所有字符，实现跨单元格/段落的重复内容查找。
• 简化冗余语法：将[\w]{1,}改为\w+、[\s]{1,}改为\s+，逻辑不变但更简洁。
• 末尾添加\b：避免匹配部分重合的词（比如防止把"a b c d e f"里的前五个词误判为重复片段）。

工具适配： #

• 编辑器（Notepad++/Sublime Text等）：在查找对话框中勾选「. matches newline」（对应单行模式），再输入上述正则即可。
• Python代码：使用re.DOTALL标志，示例：

  import re
  text = 你的表格文本内容
  pattern = r'\b(\w+\s+\w+\s+\w+\s+\w+\s+\w+)(?=.*\b\1\b)'
  matches = re.findall(pattern, text, re.DOTALL)
  

MS Word通配符方案 #

Word的通配符系统适合直接在文档内操作，无需导出文本，步骤如下：

1. 打开目标Word文档，按下Ctrl+H调出「查找和替换」对话框。
2. 点击「更多」，勾选「使用通配符」选项。
3. 在「查找内容」框中输入：

   <([! ]@ [! ]@ [! ]@ [! ]@ [! ]@)>*\1>
   

4. 点击「查找全部」，所有跨单元格/段落的5词重复片段会被批量选中。

通配符逻辑说明： #

• <和>：标记完整单词的边界，避免匹配单词的部分内容。
• [! ]@：匹配一个或多个非空格字符（即单个单词），连续写5次对应至少5个连续单词。
• *：匹配任意数量的任意字符（包括换行、单元格分隔符），实现跨区域查找。
• \1：引用前面括号分组的5词片段，确保找到完全重复的内容。

内容的提问来源于stack exchange，提问作者NotAColdSun