Question

我想使用RegEx在以任何顺序出现一组单词的字符串中查找第一个序列。

例如，如果要查找单词hello，my和world，则：

对于hello my sweet world，表达式将与hello my sweet world匹配；
对于oh my, hello world，它将与my, hello world相匹配；
对于oh my world, hello world，它将与my world, hello相匹配；
对于hello world，没有匹配项。

经过研究，我尝试了表达式(?=.*?\bhello\b)(?=.*?\bmy\b)(?=.*?\bworld\b).*，它不能解决我的问题，因为如果所有单词都存在，它会匹配整个字符串，例如：

对于oh my world, hello world，它与oh my world, hello world匹配

实现我所描述的内容合适的表达方式是什么？

（尽管RegEx是我的程序的首选方法，但是如果您认为不可行，欢迎使用其他任何python解决方案。）

Answer 1

通过使用Pattern.finditer()函数和Set对象的

统一迭代 pythonic 方法：

import re

test_str = '''The introduction here for our novel. 
Oh, hello my friend. This world is full of beauty and mystery, let's say hello to universe ...'''

words_set = {'my', 'hello', 'world'}    # a set of search words
words_set_copy = set(words_set)
pat = re.compile(r'\b(my|hello|world)\b', re.I)
start_pos = None
first_sequence = ''

for m in pat.finditer(test_str):        
    if start_pos is None:
        start_pos = m.start()           # start position of the 1st match object
    words_set_copy.discard(m.group())   # discard found unique match 

    if not words_set_copy:              # all the search words found
        first_sequence += test_str[start_pos: m.end()]
        break

print(first_sequence)

输出：

hello my friend. This world

您可以将上述方法转换为可重用的函数。

Answer 2

我认为最好通过某种编程逻辑来完成此任务，而正则表达式将不容易且高效。但这是一个正则表达式，似乎在做您的工作，并且不管您是否在重复单词（您好，我的世界），

\b(hello|my|world)\b.*?((?!\1)\b(?:hello|my|world)\b).*?(?:(?!\1)(?!\2)\b(?:hello|my|world)\b)

这里的想法是

创建一个备用组\b(hello|my|world)\b并将其放入组1
然后可选地，它后面可以有零个或多个任何字符。
然后必须在其余两个单词中的任何一个后面，而不是在第一组中匹配的单词，这就是为什么我使用((?!\1)\b(?:hello|my|world)\b)并将第二个匹配项放在第二组的原因。
然后，它后面可以有零个或多个任何字符。
然后再次应用相同的逻辑，其中第三个单词应该是group1或group2中未捕获的单词，因此此正则表达式(?:(?!\1)(?!\2)\b(?:hello|my|world)\b)

Here is a Demo

使用RegEx查找无序单词

2 个答案: