logo标签列表

使用正则表达式匹配任意顺序的多个单词

regex
84
如题，我需要使用正则表达式在一个句子中找到两个特定单词。但这两个单词的顺序和大小写都可能不同。请问该如何处理？
比如说，无论单词 test 先出现还是 long 先出现，我都需要从以下句子中提取这两个单词：
This is a very long sentence used as a test

更新： 在第一部分中我没有提到的是，它也需要不区分大小写。

你在意单词的多次出现吗？你知道要提取哪些单词，还是想匹配符合特定模式的单词？你想找出它们所在的位置吗？ - Dominic Rodger
我知道确切的单词，不关心多个单词，也不需要位置。但是我需要不区分大小写。 - RC1140
你正在使用哪种正则表达式引擎？JavaScript，.NET，PHP……？并且性能有多重要？你是否正在处理大量的字符串匹配？已经发布了几个可行的答案，但它们都不是特别高效的解决方案。 - Alan Moore
我认为今天我发现的最重要的事情是它在 .Net 中进行检查，所以我不确定下面所有的答案是否适用，我已经尝试了所有方法，可惜 .Net 不会将它们视为大小写不敏感。 - RC1140
2
嗯，大小写是否敏感不应该取决于正则表达式。最好编程软件不区分大小写。但是，为了使用正则表达式识别任意顺序的多个单词，我建议在正则表达式中使用量词：(\b(james|jack)\b.*){2,}。与环视或模式修改器不同，这适用于大多数正则表达式风格。 - XPMai
8个回答
60
8
这个失败了。https://regex101.com/r/Z8KOLp/2 - ChrisJJ
3
可以，但要求是找到/提取单词，而不仅仅是测试它们。 - ChrisJJ
6
另一个变体：(?is)^(?=.*\b(test)\b)(?=.*?\b(long)\b).*，它也捕获单词并匹配所有字符串。进一步锚定到^开头，可以显著提高性能。\b匹配单词边界。 - bobble bubble
好的，对于我之前的评论，我想只使用\b(test)|\b(long)就足够了。 - Joniale
如果答案的正则表达式太慢，你可以像bobblebubble的回答中所说的那样，在其开头添加^来显著提高性能。 - Maarten
显示剩余3条评论
39

如果您想提取匹配项，请使用捕获组：(test)|(long) 然后，根据所使用的语言，您可以使用 $1 和 $2 引用匹配的组。

我将这个答案与下面的答案中的(?i)结合使用，这导致了以下输出(?i)(test(long)?)，因为事实证明我必须先测试test然后再测试long。如果这是正确的方法则另说，但对我来说它起作用了。 - RC1140
2
假设要匹配test AND long，这个解决方案需要使用g标志。 - ChrisJJ
14

我假设（这总是很危险的）你想找到完整的单词，所以 "test" 会匹配而 "testy" 不会。因此，该模式必须搜索单词边界，所以我使用 "\b" 单词边界模式。

/(?i)(\btest\b.*\blong\b|\blong\b.*\btest\b)/
9

不知道是什么编程语言

 /test.*long/

或者

/long.*test/

或者
/test/ && /long/
2
我会添加单词边界，例如 /\btest\b/。 - Helen
4

试试这个：

/(?i)(?:test.*long|long.*test)/

这将匹配test和long，或者long和test。它会忽略大小写的差异。

除非你想要它区分大小写，否则你不需要 (?i)，但这样也可以。 - Rob
3

Vim有一个分支运算符\&，在搜索包含任意数量的单词且顺序不限的行时，可以使用更简洁的正则表达式。

例如：

/.*test\&.*long

将匹配包含test和long的行，顺序不限。

有关用法的更多信息，请参见此答案。 我不知道是否有其他正则表达式语言实现了分支运算符；该运算符甚至没有在正则表达式维基百科页面提到。

2

我使用C语言中的libpcre库，其中可以定义回调函数。这些函数帮助我轻松匹配不仅是单词，而且是任何顺序的子表达式。正则表达式如下：

(?C0)(expr1(?C1)|expr2(?C2)|...|exprn(?Cn)){n}

而callout函数则保证每个子表达式只匹配一次，例如：

int mycallout(pcre_callout_block *b){
static int subexpr[255];
if(b->callout_number == 0){
    //callout (?C0) - clear all counts to 0
    memset(&subexpr,'\0',sizeof(subexpr));
    return 0;
}else{
    //if returns >0, match fails
    return subexpr[b->callout_number-1]++;
}
}

类似的事情在Perl中也应该是可能的。
-9

我认为你不能用单个正则表达式完成它。你需要对两个正则表达式进行逻辑与操作，一个搜索每个单词。

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接