使用 RegEx 查找无序单词

Question

我想使用 RegEx 以任意顺序查找字符串中出现一组单词的第一个序列。

例如，如果要查找单词hello、my 和world，则：

• 对于hello my sweet world，表达式将匹配hello my sweet world；
• 对于oh my, hello world，它将匹配my, hello world；
• 对于oh my world, hello world，它将匹配my world, hello；
• hello world 将没有匹配项。

经过一番研究，我尝试了表达式(?=.*?\bhello\b)(?=.*?\bmy\b)(?=.*?\bworld\b).*，它并没有解决我的问题，因为如果所有单词都存在，它会匹配整个字符串，如下所示：

• 对于oh my world, hello world，它匹配oh my world, hello world

实现我所描述的合适的表达方式是什么？

（虽然 RegEx 是我的程序的首选方法，但如果您认为不可行，欢迎使用任何其他 python 解决方案。）

Answer 1

使用Pattern.finditer()函数和Set对象的统一迭代pythonic方法：

import re

test_str = '''The introduction here for our novel. 
Oh, hello my friend. This world is full of beauty and mystery, let's say hello to universe ...'''

words_set = {'my', 'hello', 'world'}    # a set of search words
words_set_copy = set(words_set)
pat = re.compile(r'\b(my|hello|world)\b', re.I)
start_pos = None
first_sequence = ''

for m in pat.finditer(test_str):        
    if start_pos is None:
        start_pos = m.start()           # start position of the 1st match object
    words_set_copy.discard(m.group())   # discard found unique match 

    if not words_set_copy:              # all the search words found
        first_sequence += test_str[start_pos: m.end()]
        break

print(first_sequence)

输出：

hello my friend. This world

---

您可以将上述方法转换为函数以使其可重用。

Answer 2

我认为这项任务最好通过一些编程逻辑来完成，而正则表达式不会简单有效。但这里有一个正则表达式，它似乎在做你的工作，不管你是否有重复的词（你好，我的世界），

\b(hello|my|world)\b.*?((?!\1)\b(?:hello|my|world)\b).*?(?:(?!\1)(?!\2)\b(?:hello|my|world)\b)

这里的想法是，

1. 创建一个备用组\b(hello|my|world)\b 并将其放入group1
2. 然后可以选择在其后有零个或多个任意字符。
3. 然后后面必须跟其余两个单词中的任何一个，而不是在第一组中匹配的单词，这就是我使用 ((?!\1)\b(?:hello|my|world)\b) 的原因，然后将第二个匹配放在第 2 组中。
4. 然后，它后面还可以有零个或多个任意字符。
5. 然后我们再次应用相同的逻辑，其中第三个单词应该是未在 group1 或 group2 中捕获的单词，因此此正则表达式 (?:(?!\1)(?!\2)\b(?:hello|my|world)\b)

Here is a Demo