Javascript RegExp 用于精确匹配具有特殊字符的多个单词

Question

我正在使用 RegExp 进行多个单词匹配。它具有动态值，因此当出现像“(”这样的特殊字符时，它会将其作为表达式并显示 Uncaught SyntaxError: Invalid regular expression error。

let text = 'working text and (not working text'
let findTerm = ['working text', '(not working text']
let replaceFromRegExp = new RegExp('\\b'+`(${findTerm.join("|")})`+'\\b', 'g')
text = text.replace(replaceFromRegExp, match => "<mark>" + match + "</mark>")
console.log(text)

Answer 1

\b word boundary 匹配以下三个位置中的任何一个：

1. 在字符串的第一个字符之前，如果第一个字符是单词字符。
2. 在字符串的最后一个字符之后，如果最后一个字符是单词字符。
3. 字符串中两个字符之间，一个是单词字符，另一个不是单词字符。 您需要通用的单词边界，在搜索词之前需要一个非单词字符或字符串开头，在搜索字符串之后需要一个非单词字符或字符串结尾。

请注意，您还需要按长度降序对 findTerm 项目进行排序，以避免重叠术语问题。

最后，不要忘记转义要在正则表达式模式中使用的 findTerm 项。

你可以使用

let text = 'working text and (not working text'
let findTerm = ['working text', '(not working text']
findTerm.sort((a, b) => b.length - a.length);
let replaceFromRegExp = new RegExp(String.raw`(?:\B(?!\w)|\b(?=\w))(?:${findTerm.map(x => x.replace(/[-\/\\^$*+?.()|[\]{}]/g, '\\$&')).join("|")})(?:(?<=\w)\b|(?<!\w)\B)`, 'g')
// If the boundaries for special chars should not be checked remove \B:
// let replaceFromRegExp = new RegExp(String.raw`(?:(?!\w)|\b(?=\w))(?:${findTerm.map(x => x.replace(/[-\/\\^$*+?.()|[\]{}]/g, '\\$&')).join("|")})(?:(?<=\w)\b|(?<!\w))`, 'g')
console.log(replaceFromRegExp)
text = text.replace(replaceFromRegExp, "<mark>$&</mark>")
console.log(text)

请注意，"<mark>$&</mark>" 是 match => "<mark>" + match + "</mark>" 的缩写形式，因为 $& 是对字符串替换模式中整个匹配值的反向引用。

正则表达式是

/(?:\B(?!\w)|\b(?=\w))(?:\(not working text|working text)(?:(?<=\w)\b|(?<!\w)\B)/g

或者

/(?:(?!\w)|\b(?=\w))(?:\(not working text|working text)(?:(?<=\w)\b|(?<!\w))/g

请参阅 regex #1 demo 和 regex #2 demo。 详情：

• (?:\B(?!\w)|\b(?=\w)) - 如果下一个字符不是单词字符，则为非单词边界，如果下一个字符是单词字符，则为单词边界
• (?:(?!\w)|\b(?=\w)) - 下一个 char 必须是非单词 char，或者当前位置左侧必须没有单词 char，并且下一个必须是单词 char（如果术语以特殊字符开头，不需要边界）
• (?:\(not working text|working text) - 与findTerm 数组中设置的替代模式之一匹配的非捕获组
• (?:(?<=\w)\b|(?<!\w)\B) - 如果前面的 char 是单词 char，则为单词边界；如果前面的 char 不是单词 char，则为非单词边界
• (?:(?<=\w)\b|(?<!\w)) - 如果前一个 char 是 word char，则下一个不能是 word char，或者前一个 char 不应该是 word char（如果 term 以特殊 char 结尾，则不需要边界）李>