Есть необходимость создать такое регулярное выражение, которое бы искало в тексте все слова с чёрточкой (например: механик-водитель, лётчик-испытатель, Санкт-Петербург, тук-тук и т. п.), но при этом исключало бы из поиска конкретные слова с чёрточкой (например: из-за, кое-как, кому-либо, по-настоящему и т. п.). Спасибо!
-
Т.е. необходимость есть у вас, но сделать должен кто-то другой?– ЭникейщикCommented 24 февр. 2020 в 16:04
-
Я очень извиняюсь, но я только начал изучать регулярные выражения. И на этом моменте зашёл в тупик.– azfitaCommented 24 февр. 2020 в 16:06
-
1На каком конкретно моменте?– ЭникейщикCommented 24 февр. 2020 в 16:07
-
На моменте поиска слов с чёрточкой.– azfitaCommented 24 февр. 2020 в 16:08
Добавить комментарий
|
2 ответа
Находим все слова с дефисом. В PHP, например,
regex_full_match
([а-яА-ЯёЁ]+-[а-яА-ЯёЁ]+)
Имеем словарь "стоп-слов".
Исключаем из найденных слов все слова из списка "стоп-слов"
Писать сразу регулярное выражение, в котором будет список "стоп-слов" не эффективно.
-
Спасибо! А всё-таки как добавить к этому выражению список "стоп-слов"?– azfitaCommented 24 февр. 2020 в 19:34
-
Я бы добавил отдельный метод, который возвращает массив стоп-слов. С тем прицелом, что может быть, понадобится интерфейс для стоп-слов. И каждое найденное слово с дефисом проверять на наличие в стоп-массиве Commented 25 февр. 2020 в 7:34
Спасибо! А всё-таки как добавить к этому выражению список "стоп-слов"?
Нужно использовать отрицательное look-behind условие
Пример на PHP:
$text = "механик-водитель, лётчик-испытатель, Санкт-Петербург,
тук-тук из-за, кое-как, кому-либо, по-настоящему";
if(preg_match_all('~\b[а-яё]+-[а-яё]+\b(?<!из-за|кое-как|кому-либо|по-настоящему)~iu',
$text, $m)) {
var_dump($m);
}
Вывод:
array(1) {
[0]=>
array(4) {
[0]=>
string(31) "механик-водитель"
[1]=>
string(33) "лётчик-испытатель"
[2]=>
string(29) "Санкт-Петербург"
[3]=>
string(13) "тук-тук"
}
}
-
А как это сделать в обычном текстовом поиске (не php, js и т. п.) , например в Notepad++?– azfitaCommented 25 февр. 2020 в 8:40
-
@azfita у регулярок есть несколько вариантов, конкретно тут использовался PCRE ("подвид" перл). Вам нужно
\b[а-яё]+-[а-яё]+\b(?<!из-за|кое-как|кому-либо|по-настоящему)
- вот это и есть руглярка. Два модификатораi
,u
- это "не учитывать регистр" и "обрабатывать как Unicode". Кроме того, тут расширенный синтаксис (отрицательное look-behind условие) - которое не везде поддерживается, а без него сделать что вы хотите, не получится. Что там в Notepad++ я не знаю, проверить также не могу, не использую. Попробуйте в этом виде, что я написал в комментарии. Commented 25 февр. 2020 в 10:06