ruby - Ruby 扫描以匹配多个单词

Question

我有一个代码可以解析文件夹中的文本文件，并在某个搜索词周围保存文本。

但是，我在编辑代码以使其同时适用于多个单词时遇到问题。我不想循环整个代码，因为我希望为每个文本文件分组结果，而不是为每个搜索词分组。

使用all_documents.scan("(word1|word2|word3)")相似的或正则表达式变体似乎不起作用。

    #helper
        def indices text, index, word
        padding = 20
        bottom_i = index - padding < 0 ? 0 : index - padding
        top_i = index + word.length + padding > text.length ? text.length : index +         word.length + padding
        return bottom_i, top_i
    end

    #script
    base_text = File.open("base.txt", 'w')
    Dir::mkdir("summaries") unless File.exists?("summaries")
    Dir.chdir("summaries")

    Dir.glob("*.txt").each do |textfile|
        whole_file = File.open(textfile, 'r').read
        puts "Currently summarizing " + textfile + "..."
        curr_i = 0
        str = nil
        whole_file.scan(/trail/).each do |match|
          if i_match = whole_file.index(match, curr_i)
            top_bottom = indices(whole_file, i_match, match)
            base_text.puts(whole_file[top_bottom[0]..top_bottom[1]] + " : " +         File.path(textfile))
            curr_i += i_match                     
          end
        end
        puts "Done summarizing " + textfile + "."
    end
    base_text.close

有任何想法吗？

Answer 1

你可以使用Regexp.union()它。它完全符合您的要求。

在您的代码中，它将变为

...
whole_file.scan(Regexp.union(/trail/, /word1/, /word2/, /word3/)).each do |match|
...

Answer 2

您可以使用Regexp.union，但这只会生成子字符串匹配。如果你想匹配完整的单词，你需要做更多的工作。我会使用：

/\b(?:#{ Regexp.union(%w[trail word1 word2 word3]).source })\b/
=> /\b(?:trail|word1|word2|word3)\b/

生成的模式将定位整个单词，忽略任何子字符串：

foo = /\b(?:#{ Regexp.union(%w[trail word1 word2 word3]).source })\b/
# /\b(?:trail|word1|word2|word3)\b/

words = %w[trail word1 word2 word3]
words.join(' ').scan(foo)
# [
#     [0] "trail",
#     [1] "word1",
#     [2] "word2",
#     [3] "word3"
# ]

words.join.scan(foo)
# []

'trail word1word2 word3'.scan(foo)
# [
#     [0] "trail",
#     [1] "word3"
# ]

Answer 3

我认为您最好scan处理任何单词（例如 by /[\w']+/）并在 的块内scan检查是否$&与任何特定单词匹配。如果scan碰巧匹配了一个你不感兴趣的词，那就没有错；忽略它。