Question

我有一个字符串列表，需要使用Regexp#union从它们构建正则表达式。我需要生成的模式不区分大小写。

#union方法本身不接受选项/修饰符，因此我目前看到两个选项：

strings = %w|one two three|

Regexp.new(Regexp.union(strings).to_s, true)

和/或：

Regexp.union(*strings.map { |s| /#{s}/i })

两种变体看起来都有些奇怪。

是否可以使用Regexp.union构建不区分大小写的正则表达式？

Answer 1

简单的起点是：

words = %w[one two three]
/#{ Regexp.union(words).source }/i # => /one|two|three/i

您可能想要确保您只匹配字词，因此请将其调整为：

/\b#{ Regexp.union(words).source }\b/i # => /\bone|two|three\b/i

为了清洁和清晰，我更喜欢使用非捕获组：

/\b(?:#{ Regexp.union(words).source })\b/i # => /\b(?:one|two|three)\b/i

使用source非常重要。当您创建Regexp对象时，它会知道应用于该对象的标志（i，m，x）以及那些被插入到字符串中的标志：

"#{ /foo/i }" # => "(?i-mx:foo)"
"#{ /foo/ix }" # => "(?ix-m:foo)"
"#{ /foo/ixm }" # => "(?mix:foo)"

或

(/foo/i).to_s  # => "(?i-mx:foo)"
(/foo/ix).to_s  # => "(?ix-m:foo)"
(/foo/ixm).to_s  # => "(?mix:foo)"

当生成的模式独立时，这很好，但是当它被插入到字符串中以定义模式的其他部分时，标志会影响每个子表达式：

/\b(?:#{ Regexp.union(words) })\b/i # => /\b(?:(?-mix:one|two|three))\b/i

深入了解Regexp文档，您会发现?-mix已关闭＆＃34; ignore-case＆＃34;在(?-mix:one|two|three)内部，即使整个模式标记为i，也会导致模式无法执行您想要的操作，并且实际上很难调试：

'foo ONE bar'[/\b(?:#{ Regexp.union(words) })\b/i] # => nil

相反，source删除了内部表达式的标记，使模式符合您的预期：

/\b(?:#{ Regexp.union(words).source })\b/i # => /\b(?:one|two|three)\b/i

和

'foo ONE bar'[/\b(?:#{ Regexp.union(words).source })\b/i] # => "ONE"

您可以使用Regexp.new构建您的模式并传入标记：

regexp = Regexp.new('(?:one|two|three)', Regexp::EXTENDED | Regexp::IGNORECASE) # => /(?:one|two|three)/ix

但随着表达变得更加复杂，它变得笨拙。使用字符串插值构建模式仍然更容易理解。

Answer 2

你忽略了显而易见的事情。

strings = %w|one two three|

r = Regexp.union(strings.flat_map do |word| 
  len = word.size
  (2**len).times.map { |n|
    len.times.map { |i| n[i]==1 ? word[i].upcase : word[i] } }
end.map(&:join))

 "'The Three Little Pigs' should be read by every building contractor" =~ r
   #=> 5

如何使用Regexp.union

2 个答案: