Javascript：查找文本文档中所有出现的单词

Question

我正在尝试编写一个 Javascript 函数来查找文本文档中所有出现的单词的索引。目前这就是我所拥有的--

//function that finds all occurrences of string 'needle' in string 'haystack'
function getMatches(haystack, needle) {
  if(needle && haystack){
    var matches=[], ind=0, l=needle.length;
    var t = haystack.toLowerCase();
    var n = needle.toLowerCase();
    while (true) {
      ind = t.indexOf(n, ind);
      if (ind == -1) break;
      matches.push(ind);
      ind += l;
  }
  return matches;
}

但是，这给了我一个问题，因为即使它是字符串的一部分，它也会匹配单词的出现。例如，如果针是“书”，干草堆是“汤姆写了一本书。这本书的名字是 Facebook for dummies”，结果是 'book'、'book's' 和 'Facebook' 的索引，当我只想“书”的索引。我怎样才能做到这一点？任何帮助表示赞赏。

Answer 1

这是我建议的正则表达式：

/\bbook\b((?!\W(?=\w))|(?=\s))/gi

解决您的问题。尝试使用exec() 方法。我提供的正则表达式还将考虑您提供的例句中出现的诸如“小册子”之类的词：

function getMatches(needle, haystack) {
    var myRe = new RegExp("\\b" + needle + "\\b((?!\\W(?=\\w))|(?=\\s))", "gi"),
        myArray, myResult = [];
    while ((myArray = myRe.exec(haystack)) !== null) {
        myResult.push(myArray.index);
    }
    return myResult;
}

编辑

我已经编辑了正则表达式来解释像“小册子”这样的词。我还重新格式化了我的答案，使其与您的功能相似。

你可以做一些测试here

Answer 2

试试这个：

function getMatches(searchStr, str) {
    var ind = 0, searchStrL = searchStr.length;
    var index, matches = [];

    str = str.toLowerCase();
    searchStr = searchStr.toLowerCase();

    while ((index = str.indexOf(searchStr, ind)) > -1) {
         matches.push(index);
         ind = index + searchStrL;
    }
    return matches;
}

indexOf 返回 book 第一次出现的位置。

var str = "Tom wrote a book. The book's name is Facebook for dummies";
var n = str.indexOf("book");

Answer 3

我不知道那里发生了什么，但我可以使用正则表达式提供更好的解决方案。

function getMatches(haystack, needle) {
    var regex = new RegExp(needle.toLowerCase(), 'g'),
        result = [];

    haystack = haystack.toLowerCase();

    while ((match = regex.exec(haystack)) != null) {
        result.push(match.index);
    }
    return result;
}

用法：

getMatches('hello hi hello hi hi hi hello hi hello john hi hi', 'hi');

Result => [6, 15, 18, 21, 30, 44, 47]

考虑到您的book 与books 的问题，您只需为"book " 提供一个空格。

或者在你可以做的功能中。

needle = ' ' + needle + ' ';