如何匹配仅含小写ASCII与空格字符串的所有重叠双词子串？

问题（翻译后） #

我有一个仅包含小写ASCII字符和空格的字符串，想要匹配其中所有的双词子串。例如：

longString = 'this is a long string'
subStrings = ['this is', 'is a', 'a long', 'long string']

我的核心问题在于这些子串存在明显的重叠，而像/\b[a-z]+\s[a-z]+\b/这类正则表达式只能匹配非重叠子串，得到['this is', 'a long']。我也没搞懂递归的用法，请问该如何解决这个问题？

方法一：分割遍历拼接（简单直观） #

不用正则也能轻松搞定，步骤很简单：

• 把原字符串按空格分割成单个单词的列表
• 遍历列表，从第0个到倒数第2个单词，每次将当前单词和下一个单词拼接成双词子串

示例代码（Python）：

long_string = 'this is a long string'
words = long_string.split()
sub_strings = [f"{words[i]} {words[i+1]}" for i in range(len(words)-1)]
print(sub_strings)
# 输出: ['this is', 'is a', 'a long', 'long string']

这种方法逻辑清晰，完全不用纠结正则的重叠匹配问题，新手也能快速上手。

方法二：正则正向预查实现重叠匹配 #

如果非要用正则，核心是利用正向预查（lookahead）——它不会消耗匹配指针，能让正则引擎在同一个起始位置后继续匹配，从而捕获重叠子串。

正则表达式：

(?=(\b[a-z]+\s[a-z]+\b))

• (?=...)：正向预查，仅检查当前位置后是否符合规则，不移动匹配指针
• 括号内的\b[a-z]+\s[a-z]+\b：你的原双词匹配规则，括号用于捕获目标子串

Python使用示例：

import re

long_string = 'this is a long string'
pattern = re.compile(r'(?=(\b[a-z]+\s[a-z]+\b))')
matches = pattern.findall(long_string)
print(matches)
# 输出: ['this is', 'is a', 'a long', 'long string']

内容的提问来源于stack exchange，提问作者oli