1

我想在文本中搜索字符串“W foo X bar Y baz Z”。W,X,Y,Z 是不重要的分隔符，我不能搜索它们。foo、bar 和 baz 是我感兴趣的词。顺序并不重要。我想知道我要求的单词在文本中出现的“好”程度。

我正在尝试以下

(?:\Qfoo\E)?.{0,3}(?:\Qbar\E)?.{0,3}(?:\Qbaz\E)?

我的理由是：

  • 将每个单词打包在一个可选组中，因此不需要出现 [ (?: 是一个非捕获组，\Q...\E 只是转义]
  • 用 .{0,3} 分隔每个单词（任何字符，出现 0-3 次）

此 Regex 始终匹配，因为它仅包含可选组，但结果匹配始终为空，即使它可以完全匹配所有可选组。但是，我想对结果匹配进行后处理，所以我需要它尽可能多地捕获。

我可以强制正则表达式尽可能匹配所有组吗？

或者你知道如何完成对几个单词的搜索，用一些东西分隔，然后检查哪些单词出现以计算一些相似度？

非常感谢

4

2 回答 2

5

我认为仅使用 Regex 来解决您的问题会有一些困难。

我建议你看看一个强大的 Scala 特性，命名为 Parser Combinator。

使用它，您必须能够结合使用正则表达式来匹配内部元素，并解析策略以找出它们。

这是一篇清晰简洁的帖子，您可以在其中找到有关此Parser Combinator的相关信息。

可以做的是将您的内容视为

delim = "[a-z]{0,3}".r
value = "foo|bar|baz".r
expr = delim ~ value ~ expr

我的2c

于 2012-01-03T21:37:15.187 回答
2

首先猜测这个我会尝试这样的正则表达式

(foo|bar|baz|anyothercombination)

然后使用匹配计数属性

（如果你想要一个片段，只需要查看这个并回复你）

于 2012-01-03T21:40:32.027 回答