Ruby扫描以匹配多个单词

时间:2013-03-14 22:30:57

标签: ruby regex

我有一个代码可以解析文件夹中的文本文件,并在某个搜索词周围保存文本。

但是,我在编辑代码时遇到问题,因此它可以同时处理多个单词。我不想循环整个代码,因为我希望为每个文本文件分组结果,而不是为每个搜索词分组。

使用all_documents.scan("(word1|word2|word3)")或类似的正则表达式变体似乎不起作用。

    #helper
        def indices text, index, word
        padding = 20
        bottom_i = index - padding < 0 ? 0 : index - padding
        top_i = index + word.length + padding > text.length ? text.length : index +         word.length + padding
        return bottom_i, top_i
    end

    #script
    base_text = File.open("base.txt", 'w')
    Dir::mkdir("summaries") unless File.exists?("summaries")
    Dir.chdir("summaries")

    Dir.glob("*.txt").each do |textfile|
        whole_file = File.open(textfile, 'r').read
        puts "Currently summarizing " + textfile + "..."
        curr_i = 0
        str = nil
        whole_file.scan(/trail/).each do |match|
          if i_match = whole_file.index(match, curr_i)
            top_bottom = indices(whole_file, i_match, match)
            base_text.puts(whole_file[top_bottom[0]..top_bottom[1]] + " : " +         File.path(textfile))
            curr_i += i_match                     
          end
        end
        puts "Done summarizing " + textfile + "."
    end
    base_text.close

有什么想法吗?

3 个答案:

答案 0 :(得分:10)

您可以使用Regexp.union()。它完全符合您的要求。

在您的代码中,它将变为

...
whole_file.scan(Regexp.union(/trail/, /word1/, /word2/, /word3/)).each do |match|
...

答案 1 :(得分:1)

您可以使用Regexp.union,但这只会生成子字符串匹配。如果你想匹配完整的单词,你需要做更多的工作。我会用:

/\b(?:#{ Regexp.union(%w[trail word1 word2 word3]).source })\b/
=> /\b(?:trail|word1|word2|word3)\b/

生成的模式将定位整个单词,忽略任何子字符串:

foo = /\b(?:#{ Regexp.union(%w[trail word1 word2 word3]).source })\b/
# /\b(?:trail|word1|word2|word3)\b/

words = %w[trail word1 word2 word3]
words.join(' ').scan(foo)
# [
#     [0] "trail",
#     [1] "word1",
#     [2] "word2",
#     [3] "word3"
# ]

words.join.scan(foo)
# []

'trail word1word2 word3'.scan(foo)
# [
#     [0] "trail",
#     [1] "word3"
# ]

答案 2 :(得分:0)

我认为你更好scan对于任何单词(例如/[\w']+/)以及scan的块内,检查$&是否匹配任何单词特别的话。如果scan恰好与您不感兴趣的单词匹配,则没有错;只是忽略它。