如何将重叠关键字与正则表达式匹配

Question

此示例仅查找sam 。 如何使它查找这两个 sam和samwise ？

var regex = /sam|samwise|merry|pippin/g;
var string = 'samwise gamgee';
var match = string.match(regex);
console.log(match);

注意：这是一个简单的例子，但是我的真正正则表达式是通过在时间上加入500个关键字来创建的，所以搜索所有重叠并使用/sam(wise)/类的东西为它们创建特殊情况太麻烦了。 我能想到的另一个明显的解决方案是单独迭代所有关键字，但我认为它必须是一个快速而优雅的单一正则表达式解决方案。

Answer 1

对于此重叠匹配，您可以使用前瞻性正则表达式捕获组：

var regex = /(?=(sam))(?=(samwise))/;
var string = 'samwise';
var match = string.match( regex ).filter(Boolean);
//=> ["sam", "samwise"]

• 重要的是不要在正则表达式中使用g （全局）标志。
• filter(Boolean)用于从匹配的数组中删除第一个空结果。

Answer 2

为什么不在数组substr上映射 indexOf（） ：

var string = 'samwise gamgee';
var substr = ['sam', 'samwise', 'merry', 'pippin'];

var matches = substr.map(function(m) {
  return (string.indexOf(m) < 0 ? false : m);
}).filter(Boolean);

请参阅fiddle console.log(matches);

数组[“sam”，“samwise”]

可能比使用正则表达式更好的性能。 但是如果你需要正则表达式功能，例如无壳匹配，字边界，返回匹配......使用exec方法 ：

var matches = substr.map(function(v) {
  var re = new RegExp("\\b" + v, "i"); var m = re.exec(string); 
  return (m !== null ? m[0] : false);
}).filter(Boolean);

这一个与i -flag（ 忽略大小写 ）返回与初始的每个第一匹配\\b 字边界 。

Answer 3

我想不出一个简单而优雅的解决方案，但我有一些使用单一正则表达式：

function quotemeta(s) {
    return s.replace(/\W/g, '\\$&');
}

let keywords = ['samwise', 'sam'];

let subsumed_by = {};
keywords.sort();
for (let i = keywords.length; i--; ) {
    let k = keywords[i];
    for (let j = i - 1; j >= 0 && k.startsWith(keywords[j]); j--) {
        (subsumed_by[k] = subsumed_by[k] || []).push(keywords[j]);
    }
}

keywords.sort(function (a, b) b.length - a.length);
let re = new RegExp('(?=(' + keywords.map(quotemeta).join('|') + '))[\\s\\S]', 'g');

let string = 'samwise samgee';

let result = [];
let m;
while (m = re.exec(string)) {
    result.push(m[1]);
    result.push.apply(result, subsumed_by[m[1]] || []);
}

console.log(result);

Answer 4

怎么样：

var re = /((sam)(?:wise)?)/;
var m = 'samwise'.match(re); // gives ["samwise", "samwise", "sam"]
var m = 'sam'.match(re);     // gives ["sam", "sam", "sam"]

您可以在数组中使用唯一值来删除dupplicates。

Answer 5

如果您不想创建特殊情况，并且订单无关紧要，为什么不首先只匹配全名：

\b(sam|samwise|merry|pippin)\b

然后，如果其中一些不包含较短的一个，过滤？ 例如：

(sam|samwise|merry|pippin)(?=\w+\b)

它不是一个优雅的正则表达式，但我认为它比迭代所有匹配更简单。