regex - 仅当文本包含白名单中的所有单词，但不包含黑名单中的所有单词时才匹配文本

Question

我想通过这个例子更容易理解我想要实现的目标:

假设我们有这个白名单:one two three .还有这个黑名单:four five .然后:

three one two是匹配文本(包含所有白名单词)；

one three two six是匹配文本(包含所有白名单词)；

two one不是匹配的文本(缺少白名单词 three)；

one four two three不是匹配的文本(包含黑名单词 four )。

任何人都可以帮我解决这个案例的正则表达式吗？

Answer 1

这不是您想要使用正则表达式的东西。最好这样做(Python 中的示例):

>>> whitelist = ["one", "two", "three"]
>>> blacklist = ["four", "five"]
>>> texts = ["three two one", "one three two six", "one two", "one two three four"]
>>> for text in texts:
...     mytext = text.split()
...     if all(word in mytext for word in whitelist) and \
...        not any(word in mytext for word in blacklist):
...         print(text)
...
three two one
one three two six
>>>

不过，您可以这样做:

^(?=.*\bone\b)(?=.*\btwo\b)(?=.*\bthree\b)(?!.*\bfour\b)(?!.*\bfive\b)

^将搜索 anchor 定在字符串的开头。

(?=...)确保其内容可以从当前位置匹配

(?!...)确保其内容无法与当前位置匹配

\bone\b匹配 one但不是 lonely .

所以你得到:

>>> import re
>>> r = re.compile(r"^(?=.*\bone\b)(?=.*\btwo\b)(?=.*\bthree\b)(?!.*\bfour\b)(?!.*\bfive\b)")
>>> for text in texts:
...     if r.match(text):
...         print(text)
...
three two one
one three two six