如何匹配R中的二项式表达式？

Question

我想要匹配二元音，也就是说，双音节词，有时连字符，与略为变化的音节重叠；变体总是涉及重叠式音节中的第一个字母(也可能是第二个)：

x <- c("pow-wow", "pickwick", "easy-peasy", "nitty-gritty", "bzzzzzzz", "mmmmmm", "shish", "wedged", "yaaaaaa")

在这里，我们在pow-wow、pickwick、easy-peasy和nitty-gritty (这是预期的输出)中说过音节重叠，但在bzzzzzzz、mmmmmm、shish、wedged和yaaaaa中没有。

这个正则表达式至少可以消除wedged(发音为一个音节)和单音节单词，方法是要求捕获组中有一个元音：

grep("\\b\\w?((?!ed)(?=[aeiou])\\w{2,})-?\\w\\w?\\1\\b$", x, value = T, perl = T)
[1] "pow-wow"      "pickwick"     "easy-peasy"   "nitty-gritty" "yaaaaa" 

然而，yaaaaa也得到了匹配。为了不匹配，我的感觉是捕捉组不允许包含两个相同的元音，但我不知道如何实现这个限制。有什么想法吗？

Answer 1

看起来，如果在字符串中找不到相同的块，则需要匹配在初始字符和2个或更多重复字符之后不能包含ed的单词。此外，允许的“差异”窗口在开头和中部是0到2个字符。

你可以用

\b\w{0,2}(?!((.)\2+)(?!.*\1)|ed)([aeiou]\w+)-?\w\w?\3\b

见regex演示

详细信息

• \b -一个单词边界(如果您的“单词”等于整字符串，可以使用^ )。
• \w{0,2} -两个或多个单词字符(用\p{L}替换为只匹配字母)
• (?!((.)\2+)(?!.*\1)|ed) -不允许在字符串后面重复的ed或两个或多个相同的字符立即位于当前位置的右侧。
• ([aeiou]\w+) -元音(在第3组中捕获)和1+单词字符(用\p{L}替换为只匹配字母)
• -? -一个可选的连字符
• \w\w? -1或2个字charsd
• \3 -与第3组捕获的值相同
• \b -一个单词边界(如果您的“单词”等于整字符串，可以使用$ )。