Question

我尝试使用单个.replace()从字符串中删除停用词，因为我发现它在this performance test中带来了最佳性能。但是，当两个停用词相互跟随时，我会遇到问题，例如下面的代码段：

var stopWordsRE = /((?:^|\s+?)(foo|bar)(?:$|\s+?))/gi;
var text = "foo bar baz bar foobar";
var filtered = text.replace(stopWordsRE, " ");
console.log(filtered); // bar baz foobar

但它应该回归：

baz foobar

问题是正则表达式匹配foo和后续空格，以便bar不再有前面的空格来匹配。我认为非捕获组就足够了，因此不会记住空白。但显然不是，你能告诉我如何修复正则表达式，使它匹配彼此之后的停用词吗？

Answer 1

尝试使用字边界进行匹配：\b

var stopWordsRE = /(\b(foo|bar)\b\s*)/gi;

在行（g标志）上多次匹配，不区分大小写（i标志），就像您已经拥有的那样。

它匹配任何foo或bar这个完整的单词。也就是说，字符串的两端都以word boundaries为界，它们是对应单词开头或结尾的零长度锚点。

最后，\s*抓住单词旁边的任何（或没有）空格，这样你就不会在剩下的单词之间留下多个空格。

Answer 2

您需要使用正向前瞻，而不是匹配foo or bar之后的空格：

var stopWordsRE = /(?:^|\s+)(?:foo|bar)(?=\s+|$)/gi;
var filtered = text.replace(stopWordsRE, "").trim();
//=> "baz foobar"

删除停用词

2 个答案: