使用java正则表达式在字符串中搜索单词及其否定答案

【问题标题】：Searching for both word and its negation in a string using java regex使用java正则表达式在字符串中搜索单词及其否定
【发布时间】：2014-02-14 02:01:04
【问题描述】：

我想使用 java 在字符串中找到单词及其否定。例如，说

String str = "The product contains no sodium but contains potassium"

我正在此字符串中同时搜索“钠”和“无钠”。我想根据结果采取具体行动。但是，我如何确保一旦在此字符串中识别出“无钠”，钠就不会使用正则表达式获得匹配器。我有一个需要在大量字符串中搜索的此类单词（子字符串）的列表。

现在，我正在使用一个数组列表来存储要匹配的单词和字符串，我正在使用它创建一个用于在输入字符串中搜索的模式

String patternString = "\\b(" + StringUtils.join(wordsSearch,"|") + ")\\b"; //making a pattern to search
Pattern pattern = Pattern.compile(patternString);
//using matcher to find the substrings that I have mentioned earlier
Matcher matcher = pattern.matcher(inputString);

【问题讨论】：

我认为这取决于你认为什么是“否定”。对于具体的示例，\\b((?:no )?sodium)\\b 会做你想做的事，\\b(no sodium|sodium)\\b 或 \\b(sodium|no sodium)\\b 也会这样做。那么您到底在寻找什么？
否定产品含有钠或不含钠。在这种情况下，给定产品描述，我需要确定描述是否包含钠或短语，如不包含钠或不含钠等@Jerry
如果您还没有这样做，请查看 Java RegEx 教程的Greedy, Reluctant, and Possessive Quantifiers 部分。它似乎与您手头的任务相关。
@Lazyprogrammer 但这只是让问题突然变得更广泛。 absence of sodium 呢？还有其他许多表示“无钠”的方法？
为了便于阅读，您应该分两步执行此操作。首先搜索“无钠”。如果没有匹配项，则搜索“钠”。此外，请注意分词 - 您不希望“氨基酸”的存在记录“无酸”的命中。

标签： java regex string

【解决方案1】：

匹配器不会找到重叠匹配，因此对于您的示例，这已经可以满足您的需求。但是，如果您有多个具有共同前缀的字符串，例如“sodium”和“sodium chloride”，您可能会遇到一些问题。

为确保您始终获得最长的匹配，请确保您始终在交替中首先拥有较长的字符串。因此，只要您的正则表达式类似于\b(sodium chloride|sodium)\b，正则表达式引擎就会首先尝试sodium chloride，然后在必要时回退到sodium。

在这种情况下，您应该在创建正则表达式之前按字符串长度（前面最长）对wordsSearch 进行排序。

【讨论】：

是的，我刚刚意识到这一点，进行了编辑，添加了一些额外的解释。我认为答案对于 OP 正在尝试做的事情仍然有意义。
但仍然只有单词“sodium”会在字符串右侧被识别，因为这样的单词存在由单词边界分隔？如果我错了，请纠正我。 @F.J
一般来说，正则表达式库不会找到重叠匹配。当找到一个匹配时，匹配器将在前一个匹配之后开始寻找下一个匹配，因此当匹配“no sodium”时，匹配器将尝试在“m”之后找到下一个匹配，所以你不会得到“钠”作为单独的匹配项。

【解决方案2】：

如果您只想匹配 no sodium，则照常进行。

但如果你只想匹配 sodium 之前没有 no ，那么它将是

(?<!no) sodium

【讨论】：