正则可直接匹配相邻重复单词，如\b(\w+)\s+\1\b；统计全文重复需先用\b\w+\b提取单词，再编程计数；注意大小写、词边界及标点处理。
要通过正则表达式找出字符串中所有重复出现的单词（即连续重复或非连续但多次出现的单词），需先明确“重复”的定义：通常指相邻重复的单词（如 "hello hello"），这是正则最易捕获的情形；若需找全文中出现次数 ≥2 的单词，则正则本身无法直接统计频次，需配合编程语言处理。
匹配相邻重复的单词（最常用）
这是正则能直接解决的典型场景。核心思路是用单词边界 + 捕获组 + 反向引用：
- \b(\w+)\s+\1\b：匹配被空白符分隔的连续重复单词，如 "the the"、"and and"
- \b(\w+)\s*\1\b：允许中间有零个或多个空白（含换行），更宽松
- 注意：\1 是对第一个捕获组 (\w+) 的反向引用，确保前后单词完全一致
- 示例：在 "I I love love Python" 中，会匹配到 "I I" 和 "love love"
提取所有单词再统计频次（非纯正则方案）
正则本身不支持计数，但可作为预处理工具：
- 先用 \b\w+\b 提取所有单词（忽略标点，保留字母数字）
- 将结果存入列表或字典，在代码中统计每个单词出现次数
- Python 示例：words = re.findall(r'\b\w+\b', text); Counter(words).items()
- 这样能找出所有出现 ≥2 次的单词，无论是否相邻
避免常见陷阱
实际使用时容易出错的点：
- 大小写敏感：默认区分大小写。如需忽略，加 re.I 标志（Python）或 i 修饰符
- 单词边界 \b 很关键：防止匹配到子串，比如 "class classify" 不应误判 "class" 为重复
- 标点干扰：用 \b\w+\b 而非 \w+，可跳过逗号、句号等
- 短词过滤：若不想匹配 "a a" 或 "I I"，可在捕获组中限制长度，如 \b([a-zA-Z]{2,})\s+\1\b
扩展：跨行重复或带标点的变体
若文本格式复杂，可稍作调整：
- 跨行重复：用 [\s\S] 替代 \s+（匹配任意字符包括换行），但需谨慎，可能过度匹配
- 带标点重复：如 "yes," "yes."，可先清洗标点，或用 \b(\w+)[^\w\r\n]*\s*[^\w\r\n]*\1\b（较复杂，建议先标准化）
- 真正健壮的方案仍是：正则抽词 → 编程统计 → 过滤结果
