regex - 如何使用 Regexp.union 构建不区分大小写的正则表达式

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点奇怪。

是否可以使用 Regexp.union 构造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

您可能想确保只匹配单词，因此将其调整为:

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

为了简洁和清晰，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很重要。当您创建一个 Regexp 对象时，它会知道适用于该对象的标志(i、m、x)插入到字符串中:

"#{ /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，但是当它被插入到一个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

深入研究 Regexp 文档，您会发现 ?-mix 关闭了 (?-mix:one|two|three) 中的“ignore-case” ，即使整个模式都用 i 标记，导致模式不符合您的要求，而且很难调试:

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

相反，source 删除了内部表达式的标志，使模式执行您期望的操作:

/\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 并传入标志来构建您的模式:

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

但是随着表达式变得越来越复杂，它变得笨拙。使用字符串插值构建模式仍然更容易理解。