我举一个例子来轻松描述问题。
输入文字：
Wayne Rooney 是一名英格兰足球运动员，曾效力于曼联。 鲁尼成为英格兰最年轻的球员，因为他在与澳大利亚的友谊赛中获得了第一个上限。沃尔科特于2006年5月将鲁尼的出场记录打破了36天。
输入关键字：wayne rooney
预期输出（关键字数量）：3（Wayne rooney，鲁尼，鲁尼）
所以，它不仅算“韦恩鲁尼”，还包括其他类似的词。
我搜索了SO，我得到了这个正则表达式：
$keyword_count = preg_match_all("/(\w*(?:wayne|rooney)\w*)/i", $source, $res);
但它给了我4作为输出。它将“wayne rooney”视为两个不同的关键词。
有人可以帮我构建正确的公式吗？ Regex真的是最有效的解决方案吗？我有大量的文字要搜索。任何其他解决方案，例如PHP的文本挖掘库？
非常感谢。
答案 0 :(得分：1)
试试这个正则表达式：
(?i)(\b(?:wayne(?:'s)?\s*)?rooney(?:'s)?\b)
如果要解析字符串的常规规则数量有限，则正则表达式适合解决您的问题。在一般情况下，您应该使用其他方法（可能是几个正则表达式）。
答案 1 :(得分：0)
也许这可能对正则表达式有所帮助或替代：
答案 2 :(得分：0)
对于这种特殊情况，你可以做这样的事情
Wayne(?:\sRooney[\w']*)?|Rooney[\w']*
它说：搜索Wayne Rooney或Rooney（每个都可以跟[\w']*），但对于第一部分，(?:\sRooney[\w']*)?是可选的。
答案 3 :(得分：0)
您是在尝试匹配一段文字中的单个已知名称，还是实际上是在尝试识别与“已知人”或“名称”相匹配的内容？
如果是后者那么你可能会使用像OpenCalais那样约束已知类型'人'的东西（谁知道，也许有'足球运动员'分类法。）
以下是analysis of similar工具。