如何使这个正则表达式简化？

Question

我有这个正则表达式：

"(WORD1.*WORD2.*WORD3)|(WORD1.*WORD3.*WORD2)|(WORD2.*WORD1.*WORD3)|(WORD2.*WORD3.*WORD1)|(WORD3.*WORD1.*WORD2)|(WORD3.*WORD2.*WORD1)"

它与这些词匹配：

WORD1WORD2WORD3
WORD1AWORD2BWORD3C
WORD3WORD1WORD2
WORD1WORD2WORD3WORD1

但不是这些话：

WORD1WORD1WORD2
WORD1AWORD1BWORD2C

当该正则表达式找到包含任意顺序的 3 个单词（WORD1、WORD2、WORD3）的字符串时，它就会匹配。

我想用更多的单词做同样的事情，但问题是正则表达式的大小随着单词的数量呈指数增长。 是否可以简化此正则表达式的构造方式来解决此问题（大小不会呈指数增长）？

Answer 1

简单地迭代所有字符串并过滤掉所有不包含所有关键字的字符串：

（可以在下面的代码片段中找到更简洁的版本）

function findMatch(strings, keywords) {
  const result = [];
  
  for (const string of strings) {
    if (keywords.every(keyword => string.includes(keyword))) {
      result.push(string);
    }
  }
  
  return result;
}

尝试一下：

console.config({ maximize: true });

function findMatch(strings, keywords) {
  return strings.filter(
    string => keywords.every(keyword => string.includes(keyword))
  );
}

const testcases = [
  'WORD1WORD2WORD3',
  'WORD1AWORD2BWORD3C',
  'WORD3WORD1WORD2',
  'WORD1WORD2WORD3WORD1',
  'WORD1WORD1WORD2',
  'WORD1AWORD1BWORD2C'
];

const keywords = [
  'WORD1', 'WORD2', 'WORD3'
];

console.log(findMatch(testcases, keywords));

sssccc

Answer 2

您可以对每个单词使用正向前瞻。

/(?=.*WORD1)(?=.*WORD2)(?=.*WORD3).*/

下面的更高性能版本指定起始锚点，并且在验证前瞻后仅匹配单个字符。根据OP的要求，此技术仅适用于matching，而不适用于extraction。

/^(?=.*WORD1)(?=.*WORD2)(?=.*WORD3)./

正向先行就像一个门，只有当括号内指定的匹配存在时，它才会继续，但它不会消耗或捕获它匹配的内容——它总是零长度。如果您“向前看”以查看每个单词前面是否存在 .*，那么这些单词的顺序并不重要。如果每个单词为真，则继续进行，而不会使用任何内容进行匹配。

如果您只关心内容是否匹配，那么两个表达式之间唯一的实质性区别就是它们花费的时间。假设您的内容中只有 3 个必需单词中的 2 个。除非解释表达式的软件能够识别尝试是徒劳的，否则它可能会在第一个位置查找三个单词“失败”，然后在第二个位置尝试“失败”，等等，直到到达最后一个位置才放弃。通过指定^，只会在第一个位置进行检查，节省了其他不必要检查的时间。当您只是寻找内容中是否存在所有单词的真/假答案时，从末尾删除 * 可以防止一些不必要的捕获。