如何更改我的正则表达式以匹配/替换第二个、第三个……单词，但不匹配第一个单词？

Question

该任务必须使用正则表达式来解决，而不使用容器类。输入：文本（可能由拉丁字母和西里尔字母组成，不包含_）输出：源文本，但在所有重复单词之前添加下划线_将单词视为仅包含字母的序列（所有其他字符不包含在单词中）。创建一个将输入转换为输出的静态转换方法。完成方法：public static String convert (String input) {    ...}输入示例：This is a testAnd this is also a testAnd these are also teststestЭто тестЭто также тестИ это также тесты输出示例：This _is _a _test_And this _is _also _a _test_And these are _also tests_test_Это _тест_Это _также _тестИ это _также тесты我的尝试：public static void convert(String input) {        Pattern p = Pattern.compile("(\\b\\w+\\b)(?=[\\s\\S]*\\b\\1\\b[\\s\\S]*\\b\\1\\b)", Pattern.UNICODE_CHARACTER_CLASS);        String res = p.matcher(input+" "+input).replaceAll("_$1");        res = res.substring(0, res.length() - 1 - p.matcher(input).replaceAll("_$1").length());        System.out.println(res);    }我的输出：在此处输入图像描述This _is _a _test_And this _is _also _a test_And these are _also tests_test_Это _тест_Это _также _тестИ это _также тесты第二行中的单词“test”没有“_”，但我需要“_test”

Answer 1

您可以收集所有重复的单词，然后在它们前面加上_：

// Java 9+

String s = "This is a test\nAnd this is also a test\nAnd these are also tests\ntest\nЭто тест\nЭто также тест\nИ это также тесты";

String rx = "(?sU)\\b(\\w+)\\b(?=.*\\b\\1\\b)";

String[] results = Pattern.compile(rx).matcher(s).results().map(MatchResult::group).toArray(String[]::new);

System.out.println(s.replaceAll("(?U)\\b(?:" + String.join("|", results) + ")\\b", "_$0"));

// Java 8

String s = "This is a test\nAnd this is also a test\nAnd these are also tests\ntest\nЭто тест\nЭто также тест\nИ это также тесты";

String rx = "(?sU)\\b(\\w+)\\b(?=.*\\b\\1\\b)";

List<String> matches = new ArrayList<>();

Matcher m = Pattern.compile(rx).matcher(s);

while (m.find()) {

    matches.add(m.group());

}

System.out.println(s.replaceAll("(?U)\\b(?:" + String.join("|", matches) + ")\\b", "_$0"));

请参阅在线 Java 演示和第二个片段演示。输出：

This _is _a _test

_And this _is _also a _test

And these are _also tests

test

_Это _тест

_Это _также тест

И это _также тесты

注意，我用与 DOTALL 嵌入标志选项组合替换了[\s\S]解决方法构造（这样也可以匹配换行符），使用 Java 9+方法返回所有匹配项，并根据与OR 交替运算符连接的找到的匹配项构建最终模式。.s..results()|

细节

• (?sU)\b(\w+)\b(?=.*\b\1\b):

• (?sU)- 嵌入的 DOTALL （.也使匹配换行符）和 UNICODE_CHARACTER_CLASS （使所有速记 Unicode 感知）标志选项

• \b- 字边界

• (\w+)- 第 1 组：1+ 个单词、字符、字母、数字或_s

• \b- 字边界

• (?=.*\b\1\b)- 紧邻右侧，必须有 0+ 个字符，尽可能多，后面跟有与第 1 组中相同的值作为整个单词。

• (?U)\\b(?:" + String.join("|", results) + ")\\b"：这个图案看起来像(?U)\b(?:test|is|Это|тест|также)\b

• (?U)- 嵌入的 UNICODE_CHARACTER_CLASS 标志选项

• \b- 字边界

• (?:test|is|Это|тест|также)- 非捕获交替组

• \b- 字边界

替换是_$0第二个正则表达式，因为_附加到整个匹配值$0。