我有一组话要说-苹果,橙子,梨,香蕉,猕猴桃
我想检查一个句子是否包含上面列出的任何单词,如果包含,我想找到匹配的单词。我如何在Regex中完成此操作?
我目前正在为每个单词集调用String.indexOf()。我假设这不如正则表达式匹配有效?
TL; DR 对于简单的子字符串contains()最好,但对于仅匹配整个单词的正则表达式可能更好。
contains()
查看哪种方法更有效的最佳方法是对其进行测试。
您可以使用String.contains()代替String.indexOf()来简化您的非正则表达式代码。
String.contains()
String.indexOf()
要搜索其他单词,正则表达式如下所示:
apple|orange|pear|banana|kiwi
该|作品作为OR正则表达式中的作品。
|
OR
我非常简单的测试代码如下所示:
public class TestContains { private static String containsWord(Set<String> words,String sentence) { for (String word : words) { if (sentence.contains(word)) { return word; } } return null; } private static String matchesPattern(Pattern p,String sentence) { Matcher m = p.matcher(sentence); if (m.find()) { return m.group(); } return null; } public static void main(String[] args) { Set<String> words = new HashSet<String>(); words.add("apple"); words.add("orange"); words.add("pear"); words.add("banana"); words.add("kiwi"); Pattern p = Pattern.compile("apple|orange|pear|banana|kiwi"); String noMatch = "The quick brown fox jumps over the lazy dog."; String startMatch = "An apple is nice"; String endMatch = "This is a longer sentence with the match for our fruit at the end: kiwi"; long start = System.currentTimeMillis(); int iterations = 10000000; for (int i = 0; i < iterations; i++) { containsWord(words, noMatch); containsWord(words, startMatch); containsWord(words, endMatch); } System.out.println("Contains took " + (System.currentTimeMillis() - start) + "ms"); start = System.currentTimeMillis(); for (int i = 0; i < iterations; i++) { matchesPattern(p,noMatch); matchesPattern(p,startMatch); matchesPattern(p,endMatch); } System.out.println("Regular Expression took " + (System.currentTimeMillis() - start) + "ms"); } }
我得到的结果如下:
Contains took 5962ms Regular Expression took 63475ms
显然,时间的长短取决于要搜索的单词数和要搜索的字符串,但是contains()对于像这样的简单搜索,它似乎比正则表达式快约10倍。
通过使用正则表达式在另一个字符串中搜索字符串,您正在使用大锤破解螺母,因此我想我们应该不会感到惊讶,因为它速度较慢。保存正则表达式,以在您要查找的模式更复杂时使用。
您可能要使用正则表达式的一种情况是if indexOf()并且contains()不会执行该工作,因为 您只想匹配整个单词 ,而不仅仅是子字符串,例如,您想要匹配pear但不匹配spears。正则表达式具有单词边界的概念,因此可以很好地处理这种情况。
indexOf()
pear
spears
在这种情况下,我们将模式更改为:
\b(apple|orange|pear|banana|kiwi)\b
\b只匹配单词开头或结尾的“ 说”,方括号将OR表达式归为一组。
\b
请注意,在代码中定义此模式时,您需要使用另一个反斜杠来转义反斜杠:
Pattern p = Pattern.compile("\\b(apple|orange|pear|banana|kiwi)\\b");