Javascript 正则表达式模式将多个字符串（AND、OR）与单个字符串匹配

Question

我需要根据一个相当复杂的查询过滤一组字符串 - 在它的“原始”形式中，它看起来像这样：

nano* AND (regulat* OR *toxic* OR ((risk OR hazard) AND (exposure OR release)) )

要匹配的字符串之一的示例：

Workshop on the Second Regulatory Review on Nanomaterials, 30 January 2013, Brussels

所以，我需要使用 AND OR 和通配符进行匹配 - 所以，我想我需要在 JavaScript 中使用正则表达式。

我已经正确循环、过滤并正常工作，但我 100% 确定我的正则表达式是错误的 - 并且某些结果被错误地省略了 - 这里是：

/(nano[a-zA-Z])?(regulat[a-zA-Z]|[a-zA-Z]toxic[a-zA-Z]|((risk|hazard)*(exposure|release)))/i

任何帮助将不胜感激 - 我真的无法正确抽象我的思想来理解这种语法！

更新：

很少有人指出构造正则表达式的顺序的重要性，但是我无法控制将要搜索的文本字符串，因此我需要找到一个无论顺序如何都可以工作的解决方案.

更新：

最终使用了 PHP 解决方案，由于 twitter API 1.0 已弃用，请参阅 pastebin 示例函数（我知道在这里粘贴代码更好，但有很多...）：

函数：http://pastebin.com/MpWSGtHK 用法：http://pastebin.com/pP2AHEvk

感谢大家的帮助

Answer 1

单一的正则表达式不是正确的工具，IMO：

/^(?=.*\bnano)(?=(?:.*\bregulat|.*toxic|(?=.*(?:\brisk\b|\bhazard\b))(?=.*(?:\bexposure\b|\brelease\b))))/i.test(subject))

如果字符串满足您提出的标准，

将返回 True，但我发现嵌套的前瞻非常难以理解。如果 JavaScript 支持带注释的正则表达式，它将如下所示：

^                 # Anchor search to start of string
(?=.*\bnano)      # Assert that the string contains a word that starts with nano
(?=               # AND assert that the string contains...
 (?:              #  either
  .*\bregulat     #   a word starting with regulat
 |                #  OR
  .*toxic         #   any word containing toxic
 |                #  OR
  (?=             #   assert that the string contains
   .*             #    any string
   (?:            #    followed by
    \brisk\b      #    the word risk
   |              #    OR
    \bhazard\b    #    the word hazard
   )              #    (end of inner OR alternation)
  )               #   (end of first AND condition)
  (?=             #   AND assert that the string contains
   .*             #    any string
   (?:            #    followed by
    \bexposure\b  #    the word exposure
   |              #    OR
    \brelease\b   #    the word release
   )              #    (end of inner OR alternation)
  )               #   (end of second AND condition)
 )                #  (end of outer OR alternation)
)                 # (end of lookahead assertion)

请注意，整个正则表达式由前瞻断言组成，因此匹配结果本身将始终为空字符串。

相反，您可以使用单个正则表达式：

if (/\bnano/i.test(str) &&
    ( 
        /\bregulat|toxic/i.test(str) ||
        ( 
            /\b(?:risk|hazard)\b/i.test(str) &&
            /\b(?:exposure|release)\b/i.test(str)
        )
    )
)    /* all tests pass */

Answer 2

正则表达式必须按顺序在字符串中移动。您在模式中的“regulat”之前有“nano”，但它们在测试字符串中被交换。我不会使用正则表达式来执行此操作，而是坚持使用普通的旧字符串解析：

if (str.indexOf('nano') > -1) {
    if (str.indexOf('regulat') > -1 || str.indexOf('toxic') > -1
        || ((str.indexOf('risk') > - 1 || str.indexOf('hazard') > -1)
        && (str.indexOf('exposure') > -1 || str.indexOf('release') > -1)
    )) {
        /* all tests pass */
    }
}

如果您想实际捕获单词（例如，从“regulat”所在的位置获取“Regulatory”，我会按单词分隔符拆分句子并检查单个单词。