使用正则表达式以任何顺序查找单词列表的子段

Question

我有一个单词列表，我必须找到单词的最小单词子段，忽略任何特殊的字符和数字， 此子段可以包含任何顺序的单词和不区分大小写的搜索 这个编码将在java中完成

例如。

aaaa aaaa cccc cccc bbbb bbbb bbbb bbbb Bbbb Aaaa Cccc

并且有话语

aaaa
bbbb
cccc

然后它应该给我输出

Bbbb Aaaa Cccc

我知道正则表达式（java中的正则表达式）但是，对它来说是新的，所以任何帮助都会有很大用处。

Answer 1

你可以做的是构建一个像这样的正则表达式：

(?i)\b(aaaa|bbbb|cccc)(?=\W+(\w+)\W+(\w+)\b)
\__/  \_____________/    \______/         \__ makes sure it's a complete word
 |           |               \____ repeat N-1 times (N = number of words)
 |           \___ all words alternated to match the first word
 \__ case insensitive matching

然后用Java检查捕获组是否包含所有单词。如果他们找到匹配项，如果没有，请搜索下一个匹配项并重复。

---

你可以把这一切都用regex来解决，但是你必须构造正确的表达式：

(?i)\b(words)\W+(?!\1\b)(words)\W+(?!(?:\1|\2)\b)(words)\b
       \___/ \________________/   \_____________/
         |           |                  |
  list of all the    |         lookahead has to include
  words alternated   |         all previous capturing groups
                     |
             repeat N-1 times but you have to 
             change the lookahead each time

对于许多单词来说，这将是一个非常大的表达，尽管words可以是匹配所有允许单词的任何表达式（不必是替换）。