包含一组单词的文本部分的正则表达式答案

【问题标题】：Regex for sections of the text that contain a set of words包含一组单词的文本部分的正则表达式
【发布时间】：2018-04-25 23:31:23
【问题描述】：

我有一个包含几段的大文本。我想搜索包含一组单词的文本，不按任何顺序，例如 {"word3", "word2", "word1"}。需要返回文本的部分，可以跨越多个句子或段落。请问这个的正则表达式是什么？

【问题讨论】：

标签： regex

【解决方案1】：

您需要有一种方法来声明此“文本部分”如何开始和结束。

我假设您的部分在换行符处停止 (\n)。

类似：

(\n?).+(word1|word2|word3).+(\n|\.)

可以让它工作。这将返回整个段落（假设每个段落由 \n 与下一个分隔。

【讨论】：

【解决方案2】：

lookaheads 可用于确保多个条件，一般形式将是

(?=.*word1.*$)(?=.*word2.*$)(?=.*word3.*$).*$

$ 可以通过节的结尾来更改。

可以使用单词边界来避免子单词匹配，如果. 可以匹配换行符，也可以使用s 开关。

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

【讨论】：

【解决方案3】：

我同意 mpliax，你必须有一种方法来界定这些部分，一种定义段落或句子是什么的方法。

假设您的段落由换行符分隔，并且我们正在寻找“grep”、“contains”和“text”，您可以对match that paragraph 使用一系列前瞻：

([^\n]+(?=grep))([^\n]+(?=text))([^\n]+(?=contains))[^\n]+

或者这个稍微不同的模式，它假设一个句子必须以句号、问号或感叹号结尾（一个错误的假设？），并尝试match just the sentence：

([^\.?!]+(?=grep))([^\.?!]+(?=text))([^\.?!]+(?=contains))[^\.?!]+

两种模式都遵循这样的结构：([NON-delimiter]+(?=keyword)) 前瞻，一个接一个，我们想要多少就多少，这样我们就知道我们可以在下一个分隔符出现之前“看到”我们的关键字。然后我们将整个段落与最后一个标记 [NON-delimiter]+ 匹配。

【讨论】：

【解决方案4】：

如果你对一组词做ignore the order，我认为这组3个词有几个combinations，例如abc, acb, bca, bac, cab, cba.

因此，这似乎需要匹配这组 3 个单词的可能组合

a(bc|cb)|b(ca|ac)|c(ab|ba)

Demo,,, 其中假设a 表示word1，b 表示word2，c 表示word3。

当然，对于本质上伴随white space的words，regex也需要空格，所以基本上可能是这样的，

word1 (word2 word3|word3 word2)|word2 (word3 word1|word1 word3)|word3 (word1 word2|word2 word1)

【讨论】：