ruby - 正则表达式只返回一个匹配项

Question

我有一组关键词。任何关键字都可以包含空格符号 ['one', 'one two']。我从这些关键词生成一个正则表达式，如 /\b(?i:one|one\two|three)\b/。完整示例如下:

keywords = ['one', 'one two', 'three']
re = /\b(?i:#{ Regexp.union(keywords).source })\b/
text = 'Some word one and one two other word'
text.downcase.scan(re)

这段代码的结果是

=> ["one", "one"]

如何找到第二个关键字 one two 的匹配项并得到这样的结果？

=> ["one", "one two"]

Answer 1

正则表达式渴望匹配。一旦找到匹配项，他们就不会尝试找到另一个可能更长的匹配项(有一个重要的异常(exception))。

/\b(?i:one|one\two|three)\b/ 永远不会匹配 one two 因为它总是匹配 一个第一。你需要 /\b(?i:one two|one|three)\b/ 所以它首先尝试 one two 。可能最简单的自动化方法是首先按最长的关键字排序。

keywords = ['one', 'one two', 'three']
re = Regexp.union(keywords.sort { |a,b| b.length <=> a.length }).source
re = /\b#{re}\b/i;
text = 'Some word one and one two other word'
puts text.scan(re)

请注意，我将整个正则表达式设置为不区分大小写，比 (?:...) 更易于阅读，并且将字符串小写是多余的。

---

异常(exception)是repetition像 +、* 和 friend 。默认情况下，它们是贪婪的。 .+ 将匹配尽可能多的字符。那是贪婪的。你可以让它变得懒惰，用 ? 来匹配它看到的第一件事。 .+? 将匹配单个字符。

"A foot of fools".match(/(.*foo)/);  # matches "A foot of foo"
"A foot of fools".match(/(.*?foo)/);  # matches "A foo"