使用正则表达式以任何顺序查找单词列表的子段答案

【问题标题】：finding sub-segment of list of words in any order using regular expression使用正则表达式以任何顺序查找单词列表的子段
【发布时间】：2012-06-21 13:13:50
【问题描述】：

我有一个单词列表，我必须找到单词的最小单词子段，忽略任何特殊字符和数字，此子段可以包含任何顺序的单词和不区分大小写的搜索这个编码是在java中完成的

例如

aaaa aaaa cccc cccc bbbb bbbb bbbb bbbb Bbbb Aaaa Cccc

还有话

aaaa
bbbb
cccc

那么它应该给我输出

Bbbb Aaaa Cccc

我知道正则表达式（Java 中的正则表达式），但是对它来说是新手，所以任何帮助都会很有用..

【问题讨论】：

aaa aAa aaA AAA 这样的字符串可以出现在搜索到的字符串中吗？（同一个“词”的不同变体相互跟随。）词的数量是固定的吗？
是的，搜索是区分大小写的，我需要从字符串中以任何顺序查找单词序列，这将是字符串的子段。但是每个单词都包含在 sub-段..没有固定的单词...但肯定少于字符串中的单词

标签： java regex special-characters unordered

【解决方案1】：

你可以做的是像这样构造一个正则表达式：

(?i)\b(aaaa|bbbb|cccc)(?=\W+(\w+)\W+(\w+)\b)
\__/  \_____________/    \______/         \__ makes sure it's a complete word
 |           |               \____ repeat N-1 times (N = number of words)
 |           \___ all words alternated to match the first word
 \__ case insensitive matching

然后使用 Java 检查捕获组是否包含所有单词。如果他们找到了匹配项，如果没有，请搜索下一个匹配项并重复。

你可以一直用正则表达式来解决这个问题，但你必须构造正确的表达式：

(?i)\b(words)\W+(?!\1\b)(words)\W+(?!(?:\1|\2)\b)(words)\b
       \___/ \________________/   \_____________/
         |           |                  |
  list of all the    |         lookahead has to include
  words alternated   |         all previous capturing groups
                     |
             repeat N-1 times but you have to 
             change the lookahead each time

对于许多单词来说，这将是一个相当大的表达式，尽管words 可以是匹配所有允许单词的任何表达式（不必是交替）。

【讨论】：