正则表达式搜索引擎

Question

是否有搜索引擎，允许我按正则表达式搜索？

Answer 1

Google Code Search允许您使用正则表达式进行搜索。

据我所知，一般搜索都没有这样的搜索引擎。

Answer 2

正则表达式存在一些问题，目前禁止在实际场景中使用这些问题。最紧迫的是整个缓存的互联网必须与你的正则表达式相匹配，这需要大量的计算资源;由于正则表达式可能未绑定（/ fo * bar /），索引在正则表达式上下文中几乎没用。

Answer 3

我没有特定的引擎可供建议。

但是，如果您可以使用正则表达式语法的子集，则搜索引擎可以存储其他令牌以有效地匹配相当复杂的表达式。 Solr / Lucene允许自定义标记化，其中相同的单词可以生成多个标记和各种规则集。

我将以我的名字为例：“马克标志着这一点。”

对词干不区分大小写:(标记，标记，点）

区分大小写但没有词干:(标记，标记，点）

与NLP词库扩展区分大小写：（[Mark，Marc]，[mark，indication，to-point]，[spot，position，location，beacon，coordinate]）

现在朝着你的问题发展，不区分大小写，词干，重复数据删除，自动完成前缀匹配：（[m，ma，mar，mark]，[s，sp，spo，spot]）

如果你想要“子串”风格匹配，它将是：（[m，ma，mar，mark，a，ar，ark，r，rk，k]，[s，sp，spo，spot，p， po，pot，o，ot，t]）

单个搜索索引包含所有这些不同形式的标记，并选择用于每种搜索类型的标记。

让我们尝试使用带有文字标记的正则表达式样式的“Missippi”：[m，m？，m +，i，i？，i +，s，ss，s +，ss + ...]等。

实际规则将取决于正则表达式子集，但希望模式变得更加清晰。您将进一步扩展以匹配其他正则表达式片段，然后使用短语搜索的形式来查找匹配。

当然，索引会非常大，但根据项目的要求，它可能是值得的。而且你还需要一个查询解析器和应用程序逻辑。

我意识到如果你正在寻找一个罐装发动机，但这并没有这样做，但就理论而言，这就是我接近它的方式（假设它真的是一个要求！）。如果有人想要的是子串匹配和灵活的通配符匹配，那么你可以在索引中获得更少的令牌。

就固定应用程序而言，您可以查看用于源代码索引的OpenGrok，它不是完整的正则表达式，但很好地理解源代码。

Answer 4

如果正则表达式占用太多资源，为什么不为cputime使用它而不是让它完全不可用呢？我相信有些人会付钱并使用它（当然还会提供相关费用的解释，以碳足迹和cpu资源来解释）。 Google确实在搜索*go或go*或内注中支持扩展*："*go"此处为：http://www.hackcollege.com/blog/2011/11/23/infographic-get-more-out-of-google.html

Answer 5

关于Russ Cox的三元组索引的正则表达式搜索的一篇非常好的文章

http://swtch.com/~rsc/regexp/regexp4.html

Answer 6

http://www.google.com/codesearch已被关闭......

正则表达式搜索占用了大量资源，因此受到热门搜索引擎的支持。

Answer 7

Globalogiq有HTML Source Code Search，您可以使用正则表达式进行搜索。但它不是免费的。