如何在php和javascript中使用regex检测空格分隔词(在全文搜索查询中）

how detect space separate words (in a full-text search query) with regex in php and javascript

本文关键字：文搜索 查询 搜索 分隔 检测 php javascript regex 空格      更新时间：2024-04-22

我需要检测文本中用空格分隔的单词。例如，我的文本是：

some parent +kid -control "human right" world

现在我需要检测一些、父和世界。（所有没有+-（）<>的单词之前和之后，必须丢弃引号内的所有单词），所以我用preg_match_all():编写了这个正则表达式

(?:^|['s]+)((?:(?!['+'(')'<'>'s'-'"]).)+)(?:['s]+|$)

但它只检测一些和世界。我该怎么修？

编辑

Javascript也需要它。但它似乎不适用于Javascript。如何使用javascript？

编辑

我找到了一个解决方案，但这似乎很愚蠢。你的想法是什么？

$str = 'some parent +kid -control "my human right" world';
$words=array();
$quot=false;
$discard=false;
$word='';
for($i=0;$i<=strlen($str);$i++){
    $chr=substr($str,$i,1);
    if($chr=='"'){
        if($quot){
            $quot=false;
        }else{
            $quot=true;
        }
        continue;
    }
    if($quot)continue;
    if($chr==' '||$i==strlen($str)){
        if(strlen($word)&&!$discard)$words[]=$word;
        $discard=false;
        $word='';
        continue;
    }elseif(in_array($chr,array('+','-','(',')','<','>'))){
        $discard=true;
        continue;
    }
    $word.=$chr;
}
print_r($words);//Array ( [0] => some [1] => parent [2] => world )

编辑PHP的最后一种方式（这是针对多语言查询的）（特别感谢橡胶靴）：

$query='some parent +kid -control "my human right" world';
$result=array();
if(preg_match_all('/(?:"[^"]+")|(?:^|['s])(?P<q>(?:(?!['+'(')'<'>'s'-'"]).)+)/',$query,$match)){
    $result=array_filter($match['q'],'strlen');
}
print_r($result);// some,parent,world

javascript的最后一种方式（这是针对多语言查询的）（特别感谢橡胶靴）：

var query='some parent +kid -control "my human right" world';
var result=Array();
var tmp;
var patt=RegExp('(?:"[^"]+")|(?:(?:^|''s)((?:(?![''+''('')''<''>''s''-''"]).)+))', 'g');
while(tmp = patt.exec(query)){
    if(typeof(tmp[1])!=='undefined') result.push(tmp[1]);
}
alert(result);// some,parent,world

如果给定以下字符串：

 $t ='some parent +kid -control "human huhu right" world';

也可以使用一个相当简单的表达式根据您的规范提取单词：

 $r = '/ (?:" [^"]+ ")? 's?
         (?<!'S) 'b ('w+)
       /x';
 preg_match_all($r, $t, $matches);

这导致：

foreach($matches[1] as $m) echo $m . "'n";
some
parent
world

使用的技术：

表达式(?:" [^"]+ ")?使用引号及其内容。

附录：Javascript

对于Javascript，您需要使用稍微复杂一点的方法，Javascript没有lookbehind assertions，我们在允许的单词前面用(?:^|''s)来伪造它们。

这将起作用：

  var t = 'some parent +kid -control "human huhu right" world';
  var r = /(?:"[^"]+")?(?:^|'s)('b'w+)/g;
  var a = [];
  while(m = r.exec(t)) a.push(m[1]);

我们在这里使用相同的技术——在$1中为我们需要的单词生成捕获的子匹配。

数组a（document.getElementById("myhtml").innerHTML = a;）的内容将包含：

some,parent,world

尝试：

$str = 'some parent +kid -control "human right" world';
$words = array_filter(explode(' ', $str), function($word) {
    return preg_match('/^[^-+"]*$/', $word);
});
echo implode(', ', $words); //some, parent, world

这将禁止任何包含+、-或"的单词。你是这个意思吗？

注意，我使用了一个匿名函数作为对array_filter()的回调。如果您使用的是PHP<5.3，请改用命名函数，或使用create_function()制作的函数。

相关文章：