Comment extraire des groupes de consonnes/voyelles d'un mot?

Question

Je voudrais écrire une regex qui divise un mot en groupes cvc (consonne/voyelle/consonne) ou vcv. Quelque chose de similaire à ngrams mais en utilisant des voyels et des consonnes. Voici un exemple:

helloworld 

produiraient les groupes suivants:

hell 
ello 
llow 
owo 
world 

J'ai écrit le regex suivant:

(?=(([aeiouy]+|[^aeiouy]+){3})) 

La première partie ([aeiouy]+|[^aeiouy]+){3} capture soit un groupe VCV ou cvc , le reste (?=()) est une assertion positive de lookahead. Il ne fonctionne pas comme prévu:

hell 
ello 
llow 
low //owo expected 

Answer 1

Si vous utilisez un seul regard en avant, les personnages ne sont pas consommés, et l'analyseur essaie toutes les positions dans la chaîne (en d'autres termes, il est capable de sauter plus un caractère à la fois).

Vous pouvez résoudre le problème comme celui-ci:

(?=((?:[aeiou]+|[b-dfghj-np-tv-z]+){3}))(?:[aeiou]+|[b-dfghj-np-tv-z]+) 

demo

Maintenant, les principales voyelles (ou consonnes) sont consommées pour chaque match (en dehors du préanalyse).

Answer 2

En plaçant tous les motifs dans la partie lookahead, vous le rendez non gourmand en choisissant un point de départ. Utilisez un explicite et deux préanalyse V/séquence C à la place:

r = re.compile('(?:([aeiouy]+)(?=([^aeiouy]+[aeiouy]+)))|(?:([^aeiouy]+)(?=([aeiouy]+[^aeiouy]+)))') 

Ensuite, il suffit concaténer les groupes

map (lambda l:''.join(l), re.findall(r,"Helloworld"))