正则表达式匹配字符串中重复两次的前几个字符

Question

我遇到了一个问题，要查找所有具有 前几个 (>=2) 个字符 重复两次的字符串R语言.
例如

字符串应该select出
(1) allochirally ------> 前3个字符'all'在string[=38=中重复了两次] (2) froufrou ------> 前 4 个字符 'frou' 在字符串中重复两次
(3) undergrounder ------> 前5个字符'under'在字符串

中重复了两次

字符串应该不 select出
(1) gummage ------> even first character 'g' 重复两次，但只有1个字符，不符合条件 >=2 first characters
(2) hypergoddess ------> 没有前几个字符重复两次
(3) kgashga ------> even 'ga' 重复两次，但不包含第一个字符 'k'，不匹配需要包含第一个字符的条件

听说 backreference（例如 \b 或 \w）可能会有帮助，但仍然无法弄清楚，你能帮忙弄清楚吗？

注意：我看到有一个函数作为 xmatch <- str_extract_all(x, regex) == x 作为方法使用，str_extract_all 来自 library(stringr)

x <- c("allochirally", "froufrou", "undergrounder", "gummage", "hypergoddess", "kgashga")
regex <- "as described details here"
function(x, regex) {
  xmatch <- str_extract_all(x, regex) == x
  matched_x <- x[xmatch]
}

如果很简洁会更喜欢！！谢谢

Answer 1

使用grepl:

x <- c("allochirally", "froufrou", "undergrounder", "gummage", "hypergoddess", "kgashga")
grepl("^(.{2,}).*\1.*$", x)

[1]  TRUE  TRUE  TRUE FALSE FALSE FALSE

正则表达式模式匹配并捕获前两个或更多字符，然后还断言相同的两个或更多字符出现在字符串的后面。

如果您想使用我的答案中的逻辑来获得匹配字符串的向量，那么只需使用：

x[grepl("^(.{2,}).*\1.*$", x)]

[1] "allochirally"  "froufrou"      "undergrounder"

Answer 2

怎么样：

^(\w{2,}).*?.*?$

如所见here

解释：

第一个捕获组(\w{2,})匹配前几个字符，反向引用指向这个捕获组

如果以后需要，可以参考group(1)

中重复的字符部分

正则表达式匹配字符串中重复两次的前几个字符

Regular expression to match first few characters repeated twice in string

regex

string

r

regular-language

解释：