正则表达式匹配除 AND、OR 和 NOT 之外的所有单词

2023-12-09

在我的 javascript 应用程序中，我有这个随机字符串：

büert AND NOT 3454jhadf üasdfsdf OR technüology AND (bar OR bas)

我想匹配除单词之外的所有单词特殊字符和数字AND, OR and NOT.

我试过的是这个

/(?!AND|OR|NOT)\b[\u00C0-\u017F\w\d]+/gi
这导致
["büert", "3454jhadf", "asdfsdf", "technüology", "bar", "bas"]

但这与ü或单词开头或结尾的 a-z 字母表之外的任何其他字母，因为\b词边界。

删除\b奇怪的是最终匹配的部分或我想排除的单词：

/(?!AND|OR|NOT)[\u00C0-\u017F\w\d]+/gi
结果是
["büert", "ND", "OT", "3454jhadf", "üasdfsdf", "R", "technüology", "ND", "bar", "R", "bas"]

除了我想要排除的字符之外，匹配所有单词的正确方法是什么，无论它们包含什么类型的字符？

这里的问题根源在于\b (and \w和其他简写类）在 JavaScript 中不支持 Unicode。

现在，有两种方法可以实现您想要的。

1. 用您想要丢弃的模式进行拆分

var re = /\s*\b(?:AND|OR|NOT)\b\s*|[()]/;
var s = "büert AND NOT 3454jhadf üasdfsdf OR technüology AND (bar OR bas)";
var res = s.split(re).filter(Boolean);
document.body.innerHTML += JSON.stringify(res, 0, 4);
// = > [ "büert", "3454jhadf üasdfsdf", "technüology", "bar", "bas" ]

注意非捕获组的使用(?:...)以免将不需要的单词包含到结果数组中。此外，您还需要将所有标点符号和其他不需要的字符添加到字符类中。

2. 使用自定义边界进行匹配

您可以在正则表达式中使用带有锚点/反向否定字符类的分组，如下所示：

(^|[^\u00C0-\u017F\w])(?!(?:AND|OR|NOT)(?=[^\u00C0-\u017F\w]|$))([\u00C0-\u017F\w]+)(?=[^\u00C0-\u017F\w]|$)

捕获组 2 将保存您需要的值。

See 正则表达式演示

JS代码演示：

var re = /(^|[^\u00C0-\u017F\w])(?!(?:AND|OR|NOT)(?=[^\u00C0-\u017F\w]|$))([\u00C0-\u017F\w]+)(?=[^\u00C0-\u017F\w]|$)/gi; 
var str = 'büert AND NOT 3454jhadf üasdfsdf OR technüology AND (bar OR bas)';
var m;
var arr = []; 
while ((m = re.exec(str)) !== null) {
  arr.push(m[2]);
}
document.body.innerHTML += JSON.stringify(arr);

或者使用块来动态构建正则表达式：

var bndry = "[^\\u00C0-\\u017F\\w]";
var re = RegExp("(^|" + bndry + ")" +                   // starting boundary
           "(?!(?:AND|OR|NOT)(?=" + bndry + "|$))" +    // restriction
           "([\\u00C0-\\u017F\\w]+)" +                  // match and capture our string
           "(?=" + bndry + "|$)"                        // set trailing boundary
           , "g"); 
var str = 'büert AND NOT 3454jhadf üasdfsdf OR technüology AND (bar OR bas)';
var m, arr = []; 
while ((m = re.exec(str)) !== null) {
  arr.push(m[2]);
}
document.body.innerHTML += JSON.stringify(arr);

解释：

(^|[^\u00C0-\u017F\w])- 我们的自定义边界（匹配以^或任何超出范围的字符[\u00C0-\u017F\w] range)
(?!(?:AND|OR|NOT)(?=[^\u00C0-\u017F\w]|$))- 比赛限制：有以下情况则比赛失败AND or OR or NOT后跟字符串结尾或除其中的字符之外的字符\u00C0-\u017F范围或非单词字符
([\u00C0-\u017F\w]+)- 匹配单词字符（[a-zA-Z0-9_]）或来自\u00C0-\u017F range
(?=[^\u00C0-\u017F\w]|$)- 尾随边界，任一字符串末端（$) 或除其中的字符之外的字符\u00C0-\u017F范围或非单词字符。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

javascript

regex