包含“包括”列表和“排除”列表的正则表达式

Question

我有一个句子(用空格分隔的词)。

然后我有两个短语列表(完整或部分单词，即不包含空格)：一个是“包含”列表，另一个是“排除”列表。

匹配的句子将包含“包括”列表中的所有短语(重叠可以，大小写不敏感)，而“排除”列表中没有一个短语。

如何检验句子是否符合规则？谢谢。

示例

句子= This yammy Flybe catalog is sticky

包含list = cat fly tic

排除列表= veg pot yam

测试失败是因为，尽管所有的“包括”短语都在句子中，但其中一个“排除”短语(yam)确实出现了。将单词yammy改为yummy，测试就会通过。

P.S.目前在SQL中使用关系除法实现，当SQL数据库中的数据很好的时候，这似乎是很好的优化。现在我有一个来自外部源的数据结构。我想我可以传入分隔字符串，拆分成表行，等等，但是我想研究其他选项。所以如果不是regex，那又怎样？

Answer 1

虽然我认为这与正则表达式不是一件好事，但当正则表达式是您选择的技术时，您可以考虑一些类似的东西(消极的向前看和正面的向前看，锚定在开头)：

^(?=.*include1)(?=.*include2)(?=.*...)(?!.*(?:exclude1|exclude2|...))

在将单个句子添加到包含表达式或排除表达式之前，请确保对它们使用Regex.Escape。regex的工作方式如下：

如果

• 在匹配字符串中，则成功，如果include2在匹配字符串中，则失败；如果include2在匹配字符串中，则失败；如果includeX位于匹配字符串中，则成功；如果includeX位于匹配字符串中，则失败；如果H 211H 112H 112如果exclude1在匹配字符串中，则失败；如果H 214/代码>H 115如果exclude2在匹配字符串中，则失败；如果H217/code>H 118如果excludeX在字符串中，则代码失败，代码<220><<<221>代码>
• ><221>
• >代码><220代码><<221>代码><

换句话说:所有包括的句子都必须(按任何顺序排列)，所有排除的句子都必须退出。

注意:这种类型的正则表达式，即使在编译时，也不是由.NET正则表达式引擎很好地优化的。如果包含/排除的列表变得很大，那么简单的级联例程可能已经非常昂贵。最后，选择(一个接一个地匹配单个句子)可能更慢。要找出答案，请衡量这两种方法的性能。

更新：修正了代码中的错误并添加了解释。