正则表达式多词搜索

Question

如何在一个字符串中搜索多个单词？我希望逻辑运算为 AND，以便所有单词都在字符串中的某个位置。我有一堆废话段落和一个简单的英文段落，我想通过指定几个常用词来缩小范围，例如“the”和“and”，但希望它与我指定的所有词匹配。

Answer 1

正则表达式支持“环视”条件，可让您在字符串中搜索术语，然后忘记结果的位置；从下一个搜索词的字符串开头开始。这将允许以任何顺序在字符串中搜索一组单词。

这个的正则表达式是：

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

其中\b 是单词边界，?= 是环视修饰符。

如果要搜索的单词数量不定，则需要使用循环构建此正则表达式字符串 - 只需将每个单词包装在环视语法中并将其附加到表达式中。

Answer 2

AND 串联

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

OR 作为替代

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

Answer 3

也许使用language recognition chart 来识别英语会起作用。一些快速测试似乎有效（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 是由边界分隔的单词 word\b 是一个单词结尾，并且仅 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";
    }
}

Answer 4

首先，我不确定您要返回什么...整个句子？两个给定词之间的词？

类似：

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

（其中\b 是您的语言中的单词边界） 将匹配包含两个单词中的一个或两者的完整句子..

你可能需要让它不区分大小写，这样如果它出现在句子的开头，它仍然会匹配

Answer 5

假设 PCRE（Perl 正则表达式），我不确定您是否可以轻松做到这一点。 AND 操作是正则表达式的串联，但您希望能够排列单词出现的顺序，而不必正式生成排列。对于N个词，当N=2时，是可以忍受的； N = 3，勉强可以；当 N > 3 时，它不太可能被接受。因此，简单的迭代解决方案 - N 个正则表达式，每个单词一个，并迭代确保每个都满足 - 对我来说似乎是最佳选择。