如果其他單詞存在於同一文檔中，我的任務是查找包含某些單詞的文檔。有人措辭，我是這樣的：正則表達式匹配單詞（如果有其他單詞存在）
Contains word1 or word2 within the same document as word3 or word4
我一直在瞎搞的if/then正規表達式條件句，我不能完全弄清楚。這是我到目前爲止：
(?(word3|word4)(word1|word2)|())
雖然這似乎並不適用於我。即使文件只包含'word2'，它仍然匹配。
有什麼建議嗎？
你可能想在這裏避免正則表達式。這是相當尷尬的是單獨使用正則表達式來寫，但它可以做到無論使用先行：（Rubular）
^(?=.*\b(word1|word2)\b).*\b(word3|word4)\b
或者通過列出所有的排列（不太難這裏，但很快失控的更多複雜的例子）：（Rubular）
\b(?:word1|word2)\b.*\b(?:word3|word4)\b|\b(?:word3|word4)\b.*\b(?:word1|word2)\b
如果你的文本可以包含新線，加上「點所有」修改正則表達式，這樣的點換行字符也匹配。這種語法的具體語法因語言而異，但通常它是在正則表達式分隔符後面寫的標誌「s」。但請檢查您正在使用的特定語言的文檔。
相反，我建議你將文檔拆分成單詞集合（例如列表或集合），然後使用普通代碼搜索集合。
非常好的正則表達式演示，以及。 – hexparrot 2012-02-15 21:18:41
我很害怕這個。我創建了腳本來讀取每個文件並掃描它以獲取我需要的內容，但速度很慢。我正在處理數千個我需要掃描的文件。 – 2012-02-15 21:38:30
您必須使用正則表達式與全球g修改集，搜索word1|word2通過字符(.|\n)*的任意組合從word3|word4分離。下面應該工作：
(((word1|word2)(.|\n)*(word3|word4))|((word3|word4)(.|\n)*(word1|word2)))
如果您使用的是Windows，你可能會想改變\n爲\r\n，由於不同的處理的新行字符。
哼，我試過了，我似乎無法得到它與grep，egrep或grep -P一起工作。 – 2012-02-15 21:41:47
是的，現在我意識到我忘記添加括號來區分正則表達式中的交替 – Win32 2012-02-15 21:45:38
也許我誤解了這個問題，但是如果/word1|word2/ && /word3|word4/都匹配，那麼你想要的全部就是這樣嗎？
似乎很簡單。在命令行中一個不重要的演示將是：
$ perl -0777 -ne 'print "$ARGV\n" if /word1|word2/ && /word3|word4/' file1 file2 file3 ... file9999999
將打印該該條件成立的所有文件名列表。
它比Python中可能做的任何事情都快很多，因爲Perl具有內置在語言中的模式匹配，而不是作爲庫栓在一起。例如，Perl會將一系列的變化優化爲Aho-Corasick trie數據結構，其速度比Boyer-Moore真正在數據超快速度上的速度更快。我建議您快速建立自己的模式並利用這個特性。
您可能需要將/s或/m切換爲您的模式，具體取決於您想要如何處理換行符等。您也可以使用諸如\N和\R之類的東西作爲應對這些問題的更便攜的方式。
你僅限於使用Regex嗎？你使用什麼主要語言？ – 2012-02-15 21:05:53
除非（word1和word2）總會在（word3和word4）之前出現，否則有一個正則表達式可以解決這個問題，這似乎不必要的複雜。你能用編程語言做這樣的搜索嗎？這樣，它的一個簡單的（match1 && match2） - >文件被發現！ – hexparrot 2012-02-15 21:06:10
「word」是什麼意思？你的「單詞」中允許使用哪些字符？ – 2012-02-15 21:16:32