Соответствующие слова с пробелами

Question

Таким образом, для согласования всех слов на странице текста, я использую это:

new RegExp("([a-zA-Z0-9\-]+)","ig"); 

Проблема в том, некоторые из вещей, которые я должен соответствовать может быть два слова, как " зеленый чай ", например. Так что я попытался это:

var pattern = new RegExp("([a-zA-Z0-9\-?]+\\s[a-zA-Z0-9\-_]+)","ig"); 

но проблема в том, что он не соответствует каждую двойную комбинацию слов, так что, возможно, это будет соответствовать «зеленым», «чайные листья». Я думаю, что, как это работает, по крайней мере, все, что я знаю, это не соответствует «зеленому чаю».

Answer 1

Во-первых, как всегда, regexp101 - твой друг! :)

Во-вторых, [a-zA-z0-9] эквивалентно \ w. И если вы хотите добавить тире и вопросительные знаки в свое определение слова (как вам кажется), вы можете использовать [\ w-?].

Наконец, вы, вероятно, хотите, не захватывая группы, как это:

'((?:[\w-?]+(?:\s[\w-?]+)*))' 

, который говорит, что «найти слово, за которым следует ноль или более„пробела + слово“группа».

Тонкая настройка в регулярном выражении101 по вкусу.

Надеюсь, это поможет!

Answer 2

Здесь нет волшебной таблетки, потому что движок регулярного выражения не может знать, что слова «зеленый чай» идут вместе, но «зеленым» нет, поэтому вам нужно будет перечислить все словосочетания вы хотите, чтобы он рассматривался как единица   — или делал что-то раньше или после факта.

Например, это будет соответствовать словам в тексте, но лечить «зеленый чай», как одной игры:

var rex = /(green tea)|([a-zA-Z0-9\-']+)/ig; 
 
var str = "I like green tea, don't you?"; 
 
console.log(str.match(rex));

| является Чередованием означает «пытается соответствовать любому из этих альтернатив »(ранее альтернативы предпочтительнее более поздних).

Очевидно, что это было бы очень громоздким очень быстро, поэтому вам может потребоваться выходить за пределы регулярного выражения, как для предварительной обработки, так и для последующей обработки, чтобы обрабатывать список желаемых двухсловных слов.

---

Примечание: Я добавил ' ко второй половине, что, так как в противном случае «не» читался как «Дон» и «т».