Question

我正在创建一个关键字黑名单，我想在文本文件中检查，但是，我找不到任何正则表达式文档，这将帮助我解决以下问题。

我有一组列入黑名单的关键字：

欢迎，再见，加入我们

我想查看一些文本文件以查找任何匹配项。我正在使用以下正则表达式来匹配确切的单词以及复数版本。

string.Format(@"\b{0}s*\b", keyword)

但是，我遇到了一个匹配关键字的问题，其中包含两个单词和两个单词之间的任何字符。上面的正则表达式匹配'加入我们'，但我也需要匹配'join @ us'或'join_us'。

非常感谢任何帮助。

Answer 1

我认为，“中间任何一个角色”可能会给你带来很多麻烦。例如，让我们考虑一下：

我们希望找到“我的精灵”......但你可能不想匹配“我自己”。

反正。如果您可以使用string.Replace将空格字符替换为关键字中的点。

正则表达式中的

.将匹配任何字符。

如果您不熟悉正则表达式，请查看此有用的备忘单：http://www.mikesdotnetting.com/article/46/c-regular-expressions-cheat-sheet

要解决“我自己”和“我的精灵”的问题，请在正则表达式中使用比.更小心的东西。例如[^a-zA-Z]将匹配除a到z和A到Z的字母之外的任何内容，或者\W，它们将匹配非单词字符，这意味着除了a-zA-Z0-9_之外的任何内容，所以它相当于[^a-zA-Z0-9_]。

同样要注意城市 - 城市和所有不规则的复数形式。

Answer 2

如果您开始使用复数，则必须使用PluralizationService（有关详细信息，请参阅this answer。）

看到你正在使用string.Format，我假设你正在循环你的后备列表数组。

那么为什么不用一个简洁的方法呢？

public static string GetBlacklistRegexString(string[] blacklist)
{
    //It seems that this service only support engligh natively, to check later
    var ps = PluralizationService.CreateService(CultureInfo.GetCultureInfo("en"));

    //Using a StringBuilder for ease of use and performance,
    //even though it's not easy on the eye :p
    StringBuilder sb = new StringBuilder().Append(@"\b(");

    //We're just going to make a unique regex with all the words
    //and their plurals in a list, so we're looping here
    foreach (var word in blacklist)
    {
        //Using a dot wasn't careful indeed... Feel free to replace
        //"\W" with anything that does it for you. It will match
        //any non-alphanumerical character
        var regexPlural = ps.Pluralize(word).Replace(" ", @"\W");
        var regexWord = word.Replace(" ", @"\W");

        sb.Append(regexWord).Append('|').Append(regexPlural).Append('|');
    }
    sb.Remove(sb.Length - 1, 1); //removing the last '|'
    sb.Append(@")\b");
    return sb.ToString();
}

如果你已经在.NET中使用正则表达式，那么用法就不足为奇了：

static void Main(string[] args)
{
    string[] blacklist = {"Goodbye","Welcome","join us"};
    string input = "Welcome, come join us at dummywebsite.com for fun and games, goodbye!";

    //I assume that you want it case insensitive
    Regex blacklistRegex = new Regex(GetBlacklistRegexString(blacklist), RegexOptions.IgnoreCase);

    foreach (Match match in blacklistRegex.Matches(input))
    {
        Console.WriteLine(match);
    }

    Console.ReadLine();
}

我们在控制台上写下了预期的输出：

欢迎
加入我们
再见

编辑：仍然有问题（稍后再处理），如果你的关键字中有“男人”，那么它将与“女性”中的“男人”相匹配......奇怪的是我没有得到这种行为在regexhero。

编辑2：呃，当然如果我没有用括号分组单词，单词边界只应用于第一个和最后一个...更正。

Answer 3

您可以尝试这样的事情（我只留下了正则表达式的{0}部分）：

var relevantChars = new char[]{',', '@'}; // add here anything you like
string.Format(@"{0}", keyword.Replace(" ", "(" + string.Join("|", relevantChars ) + ")"));

具有空格的关键字之间的任何字符

3 个答案: