黑名单和白名单单词的正则表达式

问题描述

我正在尝试为黑名单和白名单设置正则表达式，标记列入黑名单的单词并忽略列入白名单的单词。规则如下：

1. 我想查看输入字符串中是否存在黑名单中的单词或短语。
2. 无论出现在何处（完整单词或子字符串），都应匹配黑名单单词。
3. 白名单字词（即，即使包含列入黑名单的字词，也知道可以正常使用的字词）如果仅是完整字词，则不会匹配。

我想搜索并匹配的黑名单词：BUNNY、GARDEN、HOLE

即使包含列入黑名单的单词，也可以忽略干净且可以忽略的白名单单词：WHOLE、GARDENER

我使用负回顾创建了以下正则表达式： (BUNNY|GARDEN|HOLE)(?<!\bWHOLE\b|\bGARDENER\b)

我愚蠢的示例字符串： 这个洞完全是园丁园丁的错误。

我希望只匹配以下内容： “洞” “整个” “园丁”

它主要是有效的，因为“whole”不匹配但“wholey”匹配并且“agardener”也是匹配的。但是，“gardener”即使在白名单中也会匹配。我错过了什么？

解决方法

你可以使用

\w*(?:BUNNY|GARDEN|HOLE)\w*\b(?<!\bWHOLE|\bGARDENER)

参见regex demo。

没有后视，但有前瞻的变体：

\b(?!(?:WHOLE|GARDENER)\b)\w*(?:BUNNY|GARDEN|HOLE)\w*\b

见this regex demo。

详情：

• \w* - 零个或多个单词字符
• (?:BUNNY|GARDEN|HOLE) - 必需的单词部分之一
• \w* - 零个或多个单词字符
• \b - 一个词边界
• (?<!\bWHOLE|\bGARDENER) - 如果左侧的整个单词是 WHOLE 或 GARDENER，则匹配失败的否定后视。

\b(?!(?:WHOLE|GARDENER)\b)\w*(?:BUNNY|GARDEN|HOLE)\w*\b 首先匹配单词边界，如果接下来的字符是 WHOLE 或 GARDENER 整个单词，则匹配失败，然后匹配带有 BUNNY 的单词，其中的 GARDEN 或 HOLE 子串。

如果支持，请将 \w 替换为 [a-zA-Z] 或 \p{L}（或 [[:alpha:]]），并且您只需要匹配字母单词。