我的任务是找到包含某些单词的文档，如果同一文档中存在其他单词。我这样措辞：
Contains word1 or word2 within the same document as word3 or word4
我一直在乱用if / then条件为regexp，我无法弄明白。以下是我到目前为止的情况：
(?(word3|word4)(word1|word2)|())
这似乎对我不起作用。即使文档只包含'word2'，它仍然匹配。
有什么建议吗？
答案 0 :(得分：1)
您可能希望避免使用正则表达式。单独使用正则表达式编写它是相当尴尬的，但可以使用前瞻：（Rubular）
^(?=.*\b(word1|word2)\b).*\b(word3|word4)\b
或者列出所有排列（这里不太难，但很快就会失去更复杂的例子）:( Rubular）
\b(?:word1|word2)\b.*\b(?:word3|word4)\b|\b(?:word3|word4)\b.*\b(?:word1|word2)\b
如果文本可以包含新行，请将“dot all”修饰符添加到正则表达式，以使该点也与新行字符匹配。具体语法因语言而异，但通常是在正则表达式分隔符后面写的标志“s”。但请查看文档以了解您使用的特定语言。
相反，我建议您将文档拆分为单词集合（例如列表或集合），然后使用普通代码搜索集合。
答案 1 :(得分：0)
您必须使用具有全局g修饰符集的正则表达式，该修饰符集通过任意字符组合word1|word2搜索与word3|word4分隔的(.|\n)*。以下应该有效：
(((word1|word2)(.|\n)*(word3|word4))|((word3|word4)(.|\n)*(word1|word2)))
如果您使用的是Windows，由于对新换行符的处理方式不同，您可能希望更改\n \r\n。
答案 2 :(得分：0)
也许我误解了这个问题，但如果/word1|word2/ && /word3|word4/两者都匹配，你想要的只是它是真的吗？
似乎很简单。命令行中的一个简单演示是：
$ perl -0777 -ne 'print "$ARGV\n" if /word1|word2/ && /word3|word4/' file1 file2 file3 ... file9999999
将打印该条件所适用的所有文件名的列表。
它也会比你在Python中可能做的任何事情都要快得多，因为Perl在语言中内置了模式匹配，而不是作为库固定。例如，Perl将把一堆替代品优化成Aho-Corasick trie数据结构，这比Boyer-Moore真正快速通过数据超快速数据结构更快。我建议你动态地构建你的模式并利用这个模型。
您可能希望在模式中添加/s或/m次切换，具体取决于您希望如何处理换行符等。您还可以使用\N和\R之类的内容来处理这些内容。