1

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!

4
  • Т.е. необходимость есть у вас, но сделать должен кто-то другой? Commented 24 февр. 2020 в 16:04
  • Я очень извиняюсь, но я только начал изучать регулярные выражения. И на этом моменте зашёл в тупик.
    – azfita
    Commented 24 февр. 2020 в 16:06
  • 1
    На каком конкретно моменте? Commented 24 февр. 2020 в 16:07
  • На моменте поиска слов с чёрточкой.
    – azfita
    Commented 24 февр. 2020 в 16:08

2 ответа 2

3
  1. Находим все слова с дефисом. В PHP, например, regex_full_match

    ([а-яА-ЯёЁ]+-[а-яА-ЯёЁ]+)

  2. Имеем словарь "стоп-слов".

  3. Исключаем из найденных слов все слова из списка "стоп-слов"

Писать сразу регулярное выражение, в котором будет список "стоп-слов" не эффективно.

2
  • Спасибо! А всё-таки как добавить к этому выражению список "стоп-слов"?
    – azfita
    Commented 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
    – Confireus
    Commented 25 февр. 2020 в 7:34
2

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"
  }
}
2
  • А как это сделать в обычном текстовом поиске (не php, js и т. п.) , например в Notepad++?
    – azfita
    Commented 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 модификатора i, 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

Ваш ответ

Нажимая «Отправить ответ», вы соглашаетесь с условиями пользования и подтверждаете, что прочитали политику конфиденциальности.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.