regex - 短语重复n次的正则表达式？

Question

我让用户输入文本块，我试图阻止他们重复一个短语超过 5 次。所以这很好：

我很喜欢鱼 我很喜欢鱼 我很喜欢鱼

这也可以：

棉花糖很好吃。棉花糖很好吃。棉花糖很好吃。

但这不会是：

我很喜欢鱼 我很喜欢鱼 我很喜欢鱼 我很喜欢鱼 我很喜欢鱼 我很喜欢鱼 我很喜欢鱼 我很喜欢鱼 我很喜欢鱼

也不是这个：

棉花糖很好吃。棉花糖很好吃。棉花糖很好吃。棉花糖很好吃。棉花糖很好吃。棉花糖很好吃。棉花糖很好吃。棉花糖很好吃。棉花糖很好吃。棉花糖很好吃。

理想情况下，即使它是这样输入的，它也会捕获它：

我很
喜欢鱼 我很
喜欢鱼 我很喜欢鱼
我很喜欢鱼我很
喜欢鱼 我很
喜欢鱼

我试过了：

\b(\S.*\S)[ ,.]*\b(\1){5}

但它并不总是有效，具体取决于短语的长度，并且似乎只有在每个句子都以句号结尾时才有效。

有任何想法吗？

标签： regex

Answer 1

这是一种可能性：

(\b\w.{3,49})\1{4}

它在一个组中捕获 2 到 50 个字符（以单词字符开头），并检查该组是否连续重复至少 5 次。

https://regex101.com/r/tS6kHF/2

如果正则表达式通过，则有一些重复的短语。

也就是说，这可能不是一个好主意，尤其是对于大型输入字符串 - 正如您在链接上看到的那样，它需要非常多的步骤，因为对于输入中的每个字符（例如，以“hello”开头） ，它必须找到相应的长度为 2 的子字符串（“he”）并检查它是否重复，然后找到“hel”和后面的内容，然后找到“hell”和后面的内容，依此类推，50 次。然后，它从下一个字符开始，“e”：“el”，然后是“ell”，然后是“ello”，等等。（你确实需要一个上限，比如 50 个字符，或者其他什么 - 否则，计算时间向上，例如 8k 步到 74k 步）

根据具体情况，它的计算成本可能会很高——使用另一种方法以编程方式查找重复子串可能会更好。