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?
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。