python - 使用 RegEx 查找无序单词

Question

我想使用 RegEx 查找字符串中出现一组单词的第一个序列(按任意顺序)。

例如，如果查找单词 hello、my 和 world，则:

• 对于hello my sweet world，表达式将匹配hello my sweet world；
• 对于 oh my, hello world 它将匹配 my, hello world;
• 对于 oh my world, hello world 它将匹配 my world, hello;
• 对于hello world，将没有匹配项。

经过一番研究，我尝试了表达式 (?=.*?\bhello\b)(?=.*?\bmy\b)(?=.*?\bworld\b).*，这不能解决我的问题，因为如果所有单词都存在，它会匹配整个字符串，如下所示:

• 对于 oh my world, hello world 它匹配 oh my world, hello world

实现我所描述的内容的适当表达方式是什么？

(虽然 RegEx 是我的程序的首选方法，但如果您认为这不是可行的方法，欢迎使用任何其他 python 解决方案。)

Answer 1

使用Pattern.finditer()的统一迭代pythonic方法功能和Set对象:

import re

test_str = '''The introduction here for our novel. 
Oh, hello my friend. This world is full of beauty and mystery, let's say hello to universe ...'''

words_set = {'my', 'hello', 'world'}    # a set of search words
words_set_copy = set(words_set)
pat = re.compile(r'\b(my|hello|world)\b', re.I)
start_pos = None
first_sequence = ''

for m in pat.finditer(test_str):        
    if start_pos is None:
        start_pos = m.start()           # start position of the 1st match object
    words_set_copy.discard(m.group())   # discard found unique match 

    if not words_set_copy:              # all the search words found
        first_sequence += test_str[start_pos: m.end()]
        break

print(first_sequence)

输出:

hello my friend. This world

<小时/>

您可以将上述方法转化为一个函数，使其可重用。