正则表达式多词搜索

Question

我应该使用什么方法在字符串中搜索多个单词？我希望逻辑运算是AND，以便所有单词都出现在字符串中的某个位置。我有一些无意义的段落和一个普通英语段落，我想通过指定一些常见词汇（如“the”和“and”）来缩小范围，但是我希望匹配我指定的所有单词。

- Wes P

Answer 1

正则表达式支持“lookaround”条件，允许您在字符串中搜索一个术语，然后忘记结果的位置。这将允许在任意顺序下搜索一组单词的字符串。

此功能的正则表达式为：

^(?=.*\bword1\b)(?=.*\bword2\b)(?=.*\bword3\b)

\b 表示单词边界，?= 是环视修饰符。

如果你想要搜索一个可变数量的单词，你需要使用循环构建这个正则表达式字符串 - 只需将每个单词用环视语法包装并附加到表达式中即可。

- Chris T.

---

正是我所需要的。请注意上面缺少了几个星号。每个部分应该是 (?=.*\bword\b)。 - Tamlyn

星号本来就在那里，但它们被视为标记。我通过应用代码格式进行了修复。 - Alan Moore

Answer 2

AND 作为连接符

^(?=.*?\b(?:word1)\b)(?=.*?\b(?:word2)\b)(?=.*?\b(?:word3)\b)

OR作为替代条件

^(?=.*?\b(?:word1|word2|word3)\b
^(?=.*?\b(?:word1)\b)|^(?=.*?\b(?:word2)\b)|^(?=.*?\b(?:word3)\b)

- MizardX

Answer 3

首先，我不确定您想要返回什么......整个句子？还是在您给出的两个单词之间的单词？

类似于：

\b(word1|word2)\b(\w+\b)*(word1|word2)\b(\w+\b)*\.

（其中\b是你语言中的单词边界）会匹配包含这两个单词或其中一个单词的完整句子。

你可能需要使其不区分大小写，以便如果它出现在句子开头仍然能匹配。

- brass-kazoo

---

这不就是匹配包含两个单词的句子吗？可以是word1后跟word2，也可以是word2后跟word1（按需求），或者是word1后跟word1，或者是word2后跟word2（不符合要求）？这就是我在回答问题时遇到的问题类型。 - Jonathan Leffler

Answer 4

也许使用语言识别表来识别英语会有效。一些快速测试似乎可以工作（这假设段落仅由换行符分隔）。

正则表达式将匹配其中任何一个条件... \bword\b是被边界分隔的单词，word\b是单词结尾，而just word将在要匹配的段落的任何位置匹配它。

my @paragraphs = split(/\n/,$text);
for my $p (@paragraphs) {
    if ($p =~ m/\bthe\b|\band\b|\ban\b|\bin\b|\bon\b|\bthat\b|\bis\b|\bare\b|th|sh|ough|augh|ing\b|tion\b|ed\b|age\b|’s\b|’ve\b|n’t\b|’d\b/) {
       print "Probable english\n$p\n";
    }
}

- Vinko Vrsalovic

---

我不建议使用“on”来检测英语。在许多斯拉夫语言中，“on”表示“他”（正如我相信Vinko知道的那样 ;)）。 - Thomas Bratt

网址已更改：http://en.wikipedia.org/wiki/Wikipedia:Language_recognition_chart#English - Wes P

Answer 5

假设使用PCRE（Perl正则表达式），我不确定你是否能够轻松地完成这个任务。AND操作是正则表达式的连接，但你希望能够在单词出现的顺序中进行排列组合，而不必形式上生成排列组合。对于N个单词，当N = 2时，还能接受；当N = 3时，勉强可以；当N > 3时，可能无法接受。因此，简单的迭代解决方案-为每个单词创建一个正则表达式，并确保每个都满足-在我看来似乎是最好的选择。

- Jonathan Leffler

---

为什么这N个东西必须是正则表达式呢？在这里可以使用“索引”啊。 - Account deleted

\b(foo|bar|baz)\b.*\b(?!\1)(foo|bar|baz)\b.*\b(?!\1)(?!\2)(foo|bar|baz)\b 应该通过使用反向引用和负向前瞻来处理排列，以避免匹配两次相同的单词。它仍然是恶魔般的，但至少模式长度不是O(N!)。 - stevemegson

@BKB：我不确定你所说的使用索引是什么意思。 - Jonathan Leffler

@SteveMegson：是的，我想我知道你在做什么了 - 由于我在学习Perl时还是4.x和5.[0-6]的时代，对于负向先行断言的范围不确定（这是Perl的一个相对较新的功能），所以我在回答中并不武断。正如你所说，这不好，但也不是组合的。 - Jonathan Leffler