如何使用正则表达式匹配重叠模式：提取连续双词组合

嘿，这个需求用正则的**正向预查（positive lookahead）**就能完美解决，我给你一步步讲清楚怎么实现：

核心思路 #

因为我们需要提取重叠的连续双词（比如word2同时属于word1_word2和word2_word3），常规的正则匹配会消耗字符导致无法重叠捕获，而正向预查只会检查后续字符是否符合规则，不会移动匹配指针，刚好能满足这个需求。

正则表达式 #

针对你的输入格式，最直接的正则是：

(?=(\w+_\w+))

如果你的"词"可能包含\w（字母、数字、下划线）之外的字符（比如连字符、点），可以把\w换成[^_]+（匹配任意非下划线字符），也就是：

(?=([^_]+_[^_]+))

实际使用示例 #

以Python为例，用re.findall()就能直接获取所有匹配结果：

import re
input_str = "apple_banana_cherry_date"
matches = re.findall(r'(?=(\w+_\w+))', input_str)
print(matches)
# 输出: ['apple_banana', 'banana_cherry', 'cherry_date']

为什么这么写？ #

• (?=...)：正向预查，告诉正则引擎"当前位置后面必须符合括号内的规则，但不要消耗这些字符"，这样引擎会逐个位置检查，就能捕获到所有重叠的双词组合。
• (\w+_\w+)：捕获组，匹配"一个或多个单词字符 + 下划线 + 一个或多个单词字符"，也就是我们要的双词组合。
• 如果输入只有单个词（比如"hello"），正则不会返回任何结果，完全符合需求。

内容的提问来源于stack exchange，提问作者ohad.k.k