使用Java正则表达式，如何检查字符串是否包含集合中的任何单词？

我有一套词汇，比如苹果、橘子、梨、香蕉、猕猴桃

我想检查一个句子是否包含上面列出的单词，如果包含，我想找到匹配的单词。我如何在正则表达式中实现这一点

---

我目前正在为我的每一组单词调用String.indexOf（）。我假设这不如正则表达式匹配有效？

我不认为正则表达式在性能方面会做得更好，但您可以按如下方式使用它：

Pattern p = Pattern.compile("(apple|orange|pear)");
Matcher m = p.matcher(inputString);
while (m.find()) {
   String matched = m.group(1);
   // Do something
}

TL；DR对于简单的子字符串

contains（）

是最好的，但是对于仅匹配整词的子字符串，正则表达式可能更好

要想知道哪种方法更有效，最好的办法就是测试它

您可以使用

String.contains（）

而不是

String.indexOf（）

来简化非regexp代码

要搜索不同的单词，正则表达式如下所示：

apple|orange|pear|banana|kiwi

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");
   }
}

|

在正则表达式中用作

或

我的非常简单的测试代码如下所示：

apple|orange|pear|banana|kiwi

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");
   }
}

显然，时间会根据搜索的字数和字符串的不同而有所不同，但是对于这样的简单搜索，

contains（）

似乎比正则表达式快10倍左右

通过使用正则表达式来搜索另一个字符串中的字符串，就是在用大锤敲开一个螺母，所以我想我们不应该对它的速度慢感到惊讶。当要查找的模式更复杂时，请保存正则表达式

您可能希望使用正则表达式的一种情况是，如果

indexOf（）

和

contains（）

不起作用，因为您只想匹配整个单词，而不仅仅是子字符串，例如，您想匹配

pear

，而不是

spears

。正则表达式可以很好地处理这种情况，因为它们具有

在这种情况下，我们将模式更改为：

\b(apple|orange|pear|banana|kiwi)\b

\b

表示只匹配单词的开头或结尾，括号将或表达式组合在一起

注意，在代码中定义此模式时，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");

---

下面是我找到的最简单的解决方案（与通配符匹配）：

---

性能取决于正则表达式的长度。如果少于1000个字符，请继续。如果时间更长，您需要其他解决方案。例如，将文本拆分为单独的单词，并对照预定义的哈希表/一组“已知”单词进行检查。@驱逐出境者回答的目的是给出一个很好的提示，说明如何解决问题，而不是提供一个完美、有光泽的世界级解决方案。它可以很容易地改进，至于可读性，如果您有200个字符串（不使用regexp的另一个原因），您可以使用for循环并在

StringBuilder

中连接。我认为我的回答提供了足够的味道。你可能是指“（苹果）（橘子）；（梨）”。否则，你就是在匹配苹果橘子酱或苹果果酱之类的东西。嗯，不。对不起，它就是这样工作的。您的解决方案也很有效，但是您必须为每个解决方案使用不同的组word@GuillaumePolet添加单词边界

“\\b（苹果|橙|梨）\\b”