回頭草又甜又毒你吃過嗎?十大「撿回前任」的超走心複合理由

示意圖。(圖片來源/達志影像shutterstock提供)

回頭草最好吃?

關於到底該不該吃回頭草,網路上總是有各式各樣的說法,有一派人認爲吃回頭草是地獄輪迴,但也有人認爲和舊愛重新開始並沒有什麼不對,畢竟無論是分手還是離婚,兩人關係斷開的那一瞬間,其實彼此也都重新歸零,更能在分開時放下過去的錯誤,進而有所檢討和改變。

回頭草像是一把雙面刃,讓人重溫昔日過往的美好,但也會清清楚楚看見彼此的傷疤和不愉快的痕跡,今天DailyView網路溫度計就要透過《KEYPO大數關鍵引擎》,帶大家看看吃回頭草的人有哪些超走心的複合理由

吃回頭草的人 有哪些超走心的複合理由

第10名:沒有新對象害怕寂寞

有些人吃回頭草沒有什麼複雜的理由,既不是心靈成長了也不是恍然大悟,純粹就是遲遲沒有遇到看得上眼的新對象,這麼簡單易懂的理由。

房子太大牀太空,比起相看兩厭,沒人陪更可怕,不如跟前任待在一起,兩個人總強過一個人,就算是抱持着沒魚蝦也好的豁達心情,吃一把熟悉的最對味的回頭草也甘願囉!

第9名:已經原諒錯誤改善關係

有些分手是因爲當下不可饒恕的過錯而導致,可能是劈腿、可能是欺騙,相信有經驗的人一定很清楚那種既生氣又失望的心情。

有句話說得好,人在怒火中燒的時候是最沒有判斷力的,什麼都聽不進去,當然更不可能彼此坐下來思考解決方法。事過境遷以後,有不少人願意原諒對方重修舊好,畢竟人不是完美的,改正錯誤變成更好的人也算是一種值得鼓勵的成長呀!

第8名:瞭解並接受彼此的優缺點

和舊愛重新走到一起,很多時候也是因爲徹底瞭解、並接受對方和自己不一樣的地方,之前爭執的事情,分手想過之後,許多人開始接納彼此的不同。

其實,對自己、對別人都放輕鬆點看待,畢竟一百個人有一百種性格,再契合的情侶也終究是兩個不同的靈魂啊!只有彼此包容和妥協,才能夠取得最佳平衡值,再次穩穩地一起走下去。

第7名:成長了變得更成熟適合

很多人在情字這條路上兜兜轉轉最後又回到最初的對象身邊,聽起來像是什麼舊愛還是最美的動人故事,但其實很多時候是因爲兩個人都比當初分開時候更加成熟,狀態也比起從前更適合在一起。

當一切被時間整理成最好的樣子,兩人重逢後應該能開始走花路了!

第6名:覺得對方不可取代

有些情侶在分手後,四處尋尋覓覓卻找不到中意的對象,到最後才發現,自己經常在新對象的身上尋找前任的影子

直到複合的那一刻才明白,原來當初想放棄的這個人是多麼不可取代,完全就是「有些人說不清哪裡好,但就是誰都替代不了」的最佳示範啊!

第5名:交友圈有大量交集

因爲交友圈嚴重重疊,最終又複合的例子也不少。畢竟分手後三不五時還是會從共同圈子裡聽到消息,好像離開了、又好像沒離開,想不知道對方的近況都難。

加上有些勸和不勸離的熱心朋友,東一個講幾句、西一個說情,聽久了想想好像也沒那麼嚴重,然後就抱着「再試試吧」的心情複合啦!

第4名:當初因爲距離才分手

「遠距離」是許多網友公認的感情殺手,小別勝新婚再怎麼浪漫,也經常被慢慢長相思和需要時不在身邊的絕望給磨光,一切都是敗給了距離。

這也是爲什麼遠距離分手的情侶複合比例相對較高,因爲兩人之間除了「距離」其他都不是問題啊,解決了距離的難關,實在想不到有什麼不在一起的理由,就再試試吧!

第3名:懷孕決定奉子成婚

分手後因爲懷孕而決定複合結婚的回頭草,算是最drama的一種吃法,帶着驚喜(或驚嚇)重拾幸福也挺值得祝福

因爲懷孕的消息,有時候反而會讓兩個不成熟的怨偶瞬間長大,爲了愛的結晶放下彼此幼稚的孩子氣,決定再一起攜手努力下去。

第2名:放不下曾有的幸福回憶

有很多人在分手之後放不下兩人曾有的美好幸福回憶,不管是過了幾天、幾月甚至是幾年後,就算這期間有過新對象,卻總是會想起和那個人的過往種種。

一旦你做什麼都會想到那個人,幾番輪轉之後,總會又因爲那些珍貴的回憶而選擇回到彼此身邊,再續前緣

第1名:生活習慣熟悉很快適應

和前任再次交往,其實比想像中簡單。一起走過不少日子的兩個人,對於彼此的生活習慣肯定是熟悉的,磨合和適應的時間,也比起新對象來得快速容易。

這股熟悉感很可能成爲和前任複合的主因,因爲人有時候甚至發現,和回頭草待在一起最舒適,畢竟彼此的習慣都多少互相暸解,省去調整的步驟,可以專心地再次經營兩人之間的關係。

【網路溫度計調查結果圖文,未經授權請勿轉載、改寫】

分析說明:

本研究資料由《KEYPO大數據關鍵引擎》提供,分析時間範圍爲2017年09月09日至2020年09月07日,共三年。

系統觀測上萬個網站頻道,包括各大新聞頻道社羣平臺、討論區及部落格等,針對討論『吃回頭草複合的原因』相關文本進行分析,並根據網友就該議題之討論,作爲本分析依據。

本文所調查之結果,非參考投票民調、網路問卷等資料,名次代表網路討論聲量大小,不代表網友正負評價

本篇分析報告使用「KEYPO大數據關鍵引擎」