JavaScript正则表达式在组合正则表达式时添加受保护的模式

要在JavaScript中组合一个或多个正则表达式模式，我将使用以下函数：

Tokenizer.prototype.combinePatterns = function() {
  return new RegExp('(' + [].slice.call(arguments).map(function (e) {
      var e = e.toString()
      return '(?:' + e.substring(1, e.length - 1) + ')'
  }).join('|') + ')', "gi")
};

这个很好用。现在我想“保护”一些模式，这意味着我想在执行生成的正则表达式时排除一些模式。这意味着我希望

default_模式

不应用于

protected_模式

数组中定义的任何模式（此概念取自protected patterns选项）

这些受保护的模式可以在默认模式中定义，也可以不在默认模式中定义：

AggressiveTokenizer.prototype.tokenize = function(text, params = {}) {
    var options = {
        default_pattern: /[^a-z0-9äâàéèëêïîöôùüûœç]+/,
        protected_patterns: []
    };
    for (var attr in params) options[attr] = params[attr];
    var patterns = [].concat(options.protected_patterns).concat(options.default_pattern);
    // LP: pass along all regex patterns as argument
    patterns = this.combinePatterns.apply(this,patterns);
    // break a string up into an array of tokens by anything non-word
    return this.trim(text.split(patterns));

};

按照这种方法，假定要保护某些模式，如

[ '\bla([- ]?la)+\b']

我从

combinePatterns

方法的结果中得到这个组合正则表达式：

/((?:la([- ]?la)+)|(?:[^a-z0-9äâàéèëêïîöôùüûœç]+))/gi

结果并不像预期的那样，因此在（法语）文本中有

sault comment allez vous la la

，当我得到设计的

la la

令牌作为一个整体时，我得到了

未定义的

令牌和

la-

：

var combinePatterns=function（）{
返回新的RegExp（'（'+[].slice.call（arguments）.map（函数（e））{
变量e=e.toString（）
返回“（？：”+e.substring（1，e.length-1）+”
}).join（“|”）+“）”，“gi”）
};
var tokenize=函数（文本，参数={}）{
变量选项={
默认模式：/[^a-z0-9äèèèèèèèèèèèèèèèè，
受保护的_模式：[]
};
对于（参数中的var attr）选项[attr]=参数[attr]；
var patterns=[].concat（options.protected_patterns）.concat（options.default_patterns）；
//LP：将所有正则表达式模式作为参数传递
patterns=this.combinePatterns.apply（this，patterns）；
//将字符串按任何非单词拆分为一个标记数组
返回text.trim（）.split（模式）；
}
var text=“敬礼，请留言”；
var res=标记化（文本{
受保护的_模式：['\bla（[-]？la）+\b']
})
console.log（res）

let tokenize=function（str，preserve）{
常量分隔符=/[^a-z0-9äèèèèèèèèèèèèèèèè；
//将保留模式的数组转换为一个RegExp：
const screen=new RegExp（“（？：”+preserve.map（s=>”（？：“+s+”）））.join（“|”）+”）；
//筛选分隔符。不能用分隔符拆分：
常数scr='SSS'；
//用于取消筛选的正则表达式：
const scr_regex=new RegExp（scr+'（\\d'）+scr）；
//初始化保留的子字符串数组：
设屏蔽=[]；
返回str
//临时屏幕保留模式：
.更换（屏蔽，s=>scr+（屏蔽。推动-1）+scr）
//拆分为令牌：
.分离（分离器）
//恢复每个令牌中的屏蔽子字符串：
.map（s=>s.replace（scr_regex，（u，i）=>screen[parseInt（i）]）；
};
let text=‘敬礼，请留言’；
让res=tokenize（文本，['\\bla（？:[-]？la）+\\b']）；
控制台日志（res）>要将某些模式排除到默认模式中，此行不清楚。你的意思是“用默认模式替换每个受保护的模式”@AlexanderMashin抱歉，我的意思是避免
default\u模式
应用于
excluded\u模式
数组中的每个模式。这个概念取自摩西标记器保护模式——您希望结果包含“la la”，但实际上您将该字符串作为分隔符。你的意思是“拉拉”不能分成“拉拉”吗？哦，是的，从你之前的评论中可以明显看出这一点。那么您的方法，即使用默认分隔符对“不可分割”模式进行ORing，从根本上说是错误的。@AlexanderMashin我希望
la la
将作为一个完整的字符串保留。如果我使用
“敬礼评论allez vous la”，匹配（/\bla（[-]？la）+\b/g）。这里的问题是如何以正确的方式组合模式和“受保护”模式。