regex:匹配至少两个搜索项

Question

我有一个搜索词的列表，我希望有一个正则表达式，以匹配所有的项目，其中至少有两个。

条款:战争，军队，战斗，叛军，冲突

匹配：在反叛者和之间发生了几次冲突。(4次点击)

非匹配:在反恐战争中，奥巴马政府希望增加无人机袭击的数量。(只命中一次)

背景:我使用微型rss收集和过滤一个新闻报道项目的大量提要。我每天得到1000-2000个饲料项目，并希望通过关键字过滤它们。通过使用\\或表达式，我得到了许多假阳性，所以我想我只需要在一个提要项目中要求两次匹配。

谢谢!

编辑：

我对regex知之甚少，所以到目前为止，我一直在使用简单的x或运算符。我试着把搜索词放在括号中(war\fighting\等){2，}，但是只有当一个项目两次使用相同的单词时，它才匹配。

EDIT2:对不起，我对regex和诸如此类的东西不太熟悉。事实是: regex查询mysql数据库。它作为过滤器输入到tt-rss后端，它只允许一行(尽管理论上不允许字符数量)。过滤器是在将提要项导入mysql数据库时使用的。

Answer 1

(.*?\b(war|army|fighting|rebels|clashes)\b){2,}

如果需要避免匹配同一术语，可以使用：

.*?\b(war|army|fighting|rebels|clashes).*?(\b(?!\1)(war|army|fighting|rebels|clashes)\b)

它与一个术语匹配，但通过使用负前瞻性避免了再次匹配相同的术语。

在java中：

Pattern multiword = Pattern.compile(
    ".*?(\\b(war|army|fighting|rebels|clashes)\\b)" +
    ".*?(\\b(?!\\1)(war|army|fighting|rebels|clashes)\\b)"
);
Matcher m;
for(String str : Arrays.asList(
        "war",
        "war war war",
        "warm farmy people",
        "In the war on terror rebels eating faces"

)) {
    m = multiword.matcher(str);
    if(m.find()) {
        logger.info(str + " : " + m.group(0));
    } else {
        logger.info(str + " : no match.");
    }
}

指纹：

war : no match.
war war war : no match.
warm farmy people : no match.
In the war on terror rebels eating faces : In the war on terror rebels

Answer 2

这(完全)并不是正则表达式的工作。更好的方法是扫描文本，然后计数唯一的匹配组。

在Ruby中，基于匹配计数的分支非常简单。例如：

terms = /war|army|fighting|rebels|clashes/
text = "The war between the rebels and the army resulted in..."

# The real magic happens here.
match = text.scan(terms).uniq

# Do something if your minimum match count is met.
if match.count >= 2
  p match
end

这将打印["war", "rebels", "army"]。

Answer 3

正则表达式可以做到这一点，但正则表达式将是相当庞大的。

记住，它们是简单的工具(基于有限状态自动机)，因此没有任何记忆让他们记住已经看到的单词。因此，这样的正则表达式，即使是可能的，也可能只是看起来像一个巨大的块(如“1”或“对于每个可能的输入顺序或其他东西)。

我建议自己进行解析，例如：

var searchTerms = set(yourWords);
int found = 0;
foreach (var x in words(input)) {
    if (x in searchTerms) {
        searchTerms.remove(x);
        ++found;
    }
    if (found >= 2) return true;
}
return false;