Java 匹配列表中4个或更多单词的正则表达式 背景

我们有一个系统，它维护正则表达式的存储库，并根据这些正则表达式检查一些传入文本，以达到某些过滤目的。下面描述了我们正在尝试构建的一个正则表达式。由于生产限制，我正在寻找的解决方案是严格基于正则表达式的

问题 我有一个单词列表：单词1，单词2，单词3，单词4，单词5，单词6，单词7，单词8，单词9，单词10。我正在尝试编写一个正则表达式，如果它包含4个或更多这样的单词，那么它将在任意位置以任意顺序匹配字符串

例子

• “Abc word3 def word2 ghi word7 jkl word1 mno word5”应该匹配，因为它在给定列表中有4个以上的单词
• “Abc word2 def ghi word8”不应匹配，因为它在给定列表中只有两个单词

现状 我有下面的正则表达式，但它似乎不能满足我的需要

((?i)((word1)|(word2)|(word3)|(word4)|(word5)|(word6)|(word7)|(word8)|(word9)|(word10))\b){4,}

有什么建议吗，用Java或Python表示法

编辑：添加了一些背景信息。

也许是这样（不是正则表达式，但我认为更可读）：

---

以下正则表达式适用于我的所有测试：

(?i)(.*(^|\b)((word1)|(word2)|(word3)|(word4)|(word5)|(word6)|(word7)|(word8)|(word9)|(word10))($|\b).*){4,}

这些措施包括：

“Abc word3 def word2 ghi word7 jkl word1 mno word5”->正确

“Abc word2 def ghi word8”->错误

“word3 sadasd sadasd word1 word2 word4”->正确

“word3 sadasd sadasd word1 Word2 Word4”->false

“aword3 sadasd sadasd WORD 1 WORD 2 WORD 4”->错误

“word3 sadasd sadasd word1 word2 word4a”->false

我认为您原来的正则表达式主要缺少

*

来匹配关键字前后的任何字符串

---

我还仔细检查了它是行的开头还是关键字（测试5）之前的边界字符，我认为它也丢失了。

您不需要使用正则表达式。如果您只关心任何单词的出现次数，则可以将输入列表转换为

集合

，并对其执行

交叉

操作

wrd_list = ["word1", "word2", "word3", "word4", "word5", "word6", "word7", "word8", "word9", "word10"]

s = "Abc word3 def word2 ghi word7 jkl word1 mno word5"

if len(set(wrd_list).intersection(s.split())) > 4:
    print('more than 4 occurrences found')

---

编辑：这段代码是用Python编写的

这看起来像一个。你到底想达到什么目的？@Marat：我们有一个系统，它维护一个正则表达式库，并根据这些正则表达式检查一些传入文本，以达到某些过滤目的。我们正在尝试构建的正则表达式之一就是我所描述的。出于保密原因，我以抽象形式给出了单词表。但是我们有一个具体的单词列表，如果一段文本包含4个或更多单词，我们会“拒绝”它。这个解决方案的复杂性至少是（n选择4），其中n是过滤词的数量。我想这是重新设计系统的一个很好的理由，除了纯正则表达式之外（例如使用python集）@Marat：谢谢你的建议。我们会记住这一点。当评论要求澄清问题时，最好是编辑问题，而不是在评论中详细说明。首先，并非所有读者都阅读所有评论。许多新加入SO的人在编辑中添加了类似“编辑：…”的内容。这是不必要的，也是一种干扰。只要确保你没有真正改变问题，特别是如果一个或多个答案已经发布。顺便说一句，我怀疑正则表达式是否是这项工作的最佳工具，尽管在代码中可能有一个位置。谢谢你的回答。我的用例要求我编写一个正则表达式。我们有一个系统，它接受正则表达式并检查某些传入文本是否与这些正则表达式匹配。就我而言，这是一项艰难的业务要求——我们需要一个正则表达式。谢谢你的回答，但我正在寻找一个正则表达式。这是我们的一个硬业务约束——只有正则表达式的解决方案。这正是我想要的。非常感谢。

wrd_list = ["word1", "word2", "word3", "word4", "word5", "word6", "word7", "word8", "word9", "word10"]

s = "Abc word3 def word2 ghi word7 jkl word1 mno word5"

if len(set(wrd_list).intersection(s.split())) > 4:
    print('more than 4 occurrences found')