javascript - 在忽略空格的文本中搜索和匹配

Question

我已经在我的数据库中索引了 PDF 文件的文本，但有时文本不干净，单词之间有空格:

var text = 'C or P ora te go V ernan C e report M ANA g EMENT bO A r D AND s u PE r V is O r y bO A r D C OMM i TTEE s The Management Board has not currently established any committees.';

我想为我的用户做一个前端搜索引擎，但我需要知道每个搜索的START和END位置(基于原文，带空格)。

我可以用正则表达式做到这一点，例如，如果我这样做:

text.toLowerCase().search(/m ? a ? n ? a ? g ? e ? m ? e ? n ? t/);

我在起始位置字母 36 上找到“管理”这个词。现在，我想知道这个词的“结束位置”(因为我不知道这个词有多少空格，所以我不知道多少个字母)，我希望搜索是多重匹配的(给我多个结果的开始/结束位置)。

你能帮我吗？同样，根据原文确定每个单词的开始/结束位置对我来说非常重要，删除空格然后搜索对我来说不是一个好的解决方案。

我也很想知道我是否可以在没有正则表达式的情况下做到这一点。

谢谢!

Answer 1

这个演示可能会有所帮助:

> text.toLowerCase().match(/m *a *n *a *g *e *m *e *n *t/)
[ 'm ana g ement',
  index: 36,
  input: 'c or p ora te go v ernan c e report m ana g ement bo a r d and s u pe r v is o r y bo a r d c omm i ttee s the management board has not currently established any committees.' ]

(我修改了您的正则表达式以在每个字母之间使用 ' *'，以匹配包括 0 在内的任意数量的空格。您的 ' ? ' 示例将仅匹配 1或每个字母之间有 2 个空格。)

如果正则表达式匹配，使用.match 方法返回捕获的表达式和索引(如上所示)，否则返回null。您应该能够使用它来执行以下操作:

const matches = text.toLowerCase().match(/m *a *n *a *g *e *m *e *n *t/);
if (matches) {
    const start = matches.index;
    const end = matches.index + matches[0].length - 1;
}