正则表达式 (Python) - 匹配具有两个或多个不同元音的单词

Question

我正在尝试匹配包含两个或多个不同元音的字符串中的单词。问题可以限制为小写。

string = 'pool pound polio papa pick pair'

预期结果：

pound, polio, pair

pool 和 papa 会失败，因为它们只包含一个不同的元音。但是，polio 很好，因为即使它包含两个 os，它也包含两个不同的元音（i 和 o）。 mississippi 会失败，但albuquerque 会通过）。

思考过程：使用环视，大概五次（忽略大写），用括号括起来，然后是{2}。比如：

re.findall(r'\w*((?=a{1})|(?=e{1})|(?=i{1})|(?=o{1})|(?=u{1})){2}\w*', string)

但是，这匹配所有六个单词。

我杀死了{1}s，这使它更漂亮（{1}s 似乎没有必要），但它仍然返回所有六个：

re.findall(r'\w*((?=a)|(?=e)|(?=i)|(?=o)|(?=u))\w*', string)

提前感谢您的帮助。我检查了其他查询，包括"How to find words with two vowels"，但似乎没有一个足够接近。另外，我正在寻找纯正则表达式。

Answer 1

您不需要 5 个单独的前瞻，这完全是矫枉过正。只需捕获capture group 中的第一个元音，然后使用negative lookahead 来断言它与第二个元音不同：

[a-z]*([aeiou])[a-z]*(?!\1)[aeiou][a-z]*

See the online demo.

Answer 2

您的 \w*((?=a)|(?=e)|(?=i)|(?=o)|(?=u))\w* 正则表达式匹配所有至少有 1 个任意元音的单词。 \w* 匹配 0+ 个单词字符，因此第一个模式会抓取整个字母、数字和下划线。然后，回溯开始，正则表达式引擎尝试查找后面跟着a、e、i、o 或u 的位置。一旦找到该位置，之前抓取的单词字符就会再次被抓取并与尾随的 \w* 一起使用。

要将整个单词与至少 2 个不同的元音匹配，您可以使用

\b(?=\w*([aeiou])\w*(?!\1)[aeiou])\w+

请参阅regex demo。

详情

• \b - 字边界
• (?=\w*([aeiou])\w*(?!\1)[aeiou]) - 一个positive lookahead，紧靠当前位置的左侧，需要
  • \w* - 0+ 字字符
  • ([aeiou]) - Capturing group 1（其值在模式后面用\1 backreference 引用）：任何元音
  • \w* - 0+ 个单词字符
  • (?!\1)[aeiou] - [aeiou] 集合中的任何元音不等于存储在第 1 组中的元音（由于负前瞻 (?!\1) 导致匹配失败，如果在当前位置的右侧，@987654325 @模式匹配找到）
• \w+ - 1 个或多个单词字符。

Answer 3

匹配字符串中至少包含两个不同元音且字符数最少的单词（据我所知）：\w*([aeiou])\w*(?!\1)[aeiou]\w*

演示：https://regex101.com/r/uRgVVa/1

解释：

• \w*：匹配 0 个或多个单词字符。您不需要以单词边界 (\b) 开头，因为\w 不包含空格，因此使用\b 将是多余的。

• ([aeiou]): [aeiou] 匹配任何一个元音。它在括号中，因此我们可以参考稍后匹配的元音。这些第一个括号内的任何内容都是第 1 组。

• \w*：匹配 0 个或多个单词字符。

• (?!\1)：表示后面的正则表达式不能和第1组选择的字符相同。例如，如果第1组匹配的元音是a，下面的正则表达式不能是a。这由 \1 调用，它引用在组 1 中选择的字符（例如，如果 a 匹配组 1，\1 引用 a）。 ?! 是一个否定的前瞻，表示括号外的以下正则表达式与 ?! 后面的内容不匹配。

• \w*：匹配 0 个或多个单词字符。