获取Java中所有出现的bigram[重复]

Question

我试图从字符串中找出所有出现的二元字符。

下面我有一些代码可以实现其中的一些功能。

String testString = "Lorem ipsum dolor sit amet.";

Pattern pat = Pattern.compile("\\w+ \\w+");
Matcher mat = pat.matcher(testString);

while (mat.find()) {
    System.out.println("Match: " + mat.group());
}

我得到的是：

匹配：Lorem ipsum

比赛：dolor sit

而我想要的结果是：

匹配：Lorem ipsum

匹配：ipsum dolor

比赛：dolor sit

比赛：坐amet

Answer 1

尝试此模式（？

说明：

<代码>（？

（？=（[^][^]））-正向前瞻，断言以下内容：[^]一个或多个空格以外的字符，空格和一个或多个空格以外的字符

演示。

正如评论中所建议的，这种模式可以稍微简化：<代码>（？=\b（[^][^]））

另一个演示。

Answer 2

只匹配每个单词，而不是两个单词的每个组合。然后保存最后一个单词，每当发现新词时，存储一个doublet。

String testString = "Lorem ipsum dolor sit amet.";

Pattern pattern = Pattern.compile("\\w+");
Matcher matcher = pattern .matcher(testString);
String lastSingleWord = null;
List<String> results = new ArrayList<>();

while (matcher.find()) {
    String singleWord = matcher.group(0);
    if (lastSingleWord != null) {
        results.add(lastSingleWord + " " + singleWord);
    }
    lastSingleWord = singleWord;
}

之后，如果需要，可以输出列表，也可以随意处理。

results.stream().forEach(System.out::println);
// Lorem ipsum
// ipsum dolor
// dolor sit
// sit amet