Регулярное выражение для поиска вида: слово1 * (слово2 -слово3 -слово4) * слово5

Question

[Сергей]

Т.е. вопрос в том, как будет выглядеть регулярное выражение, которое должно искать последовательные наборы слов с исключением ряда слов внутри отдельных кусков текста?

Например для запроса вида:

слово1 * (слово2 -слово3 -слово4) * слово5

Соответствубющими строками будут:

слово1 слово99 слово2 слово98 слово97 слово5
слово1 слово2 слово5

Не соответствующими:

слово1 слово99 слово2 слово98 СЛОВО4 слово97 слово5
слово1 СЛОВО3 слово2 слово5

Второй день бьюсь над этой задачей…
Буду очень благодарен если кто-нибудь поможет.

P.S. Это всё пишется для поиска по MySQL базе с использованием оператора REGEXP. Вариант с использованием Sphinx не подходит.

Answer 1

[Иван Гарбуз]

^слово1(?=.*слово2)(?!.*слово3|.*слово4).*слово5$
Регулярное выражение при котором, строка начинается со слова слово1, заканчиваться словом слово5. Если между слово1 и слово5, есть слова слово3 или слово4 — строка не удовлетворяет шаблон. Так же обязательно между словами слово1 и слово5 должно встретится слово слово2.

Comments

[Сергей]

Супер! Осталось только переписать его так, чтобы в MySQL работало…

Answer 2

[Иван Гарбуз]

Регулярные выражения
Посмотри блок «Просмотр вперёд и назад» — там про исключение слов, ну и вообще всю страницу перечитай все очень легко расписано, если что — пиши в личку.

Comments

[Сергей]

Я это всё уже 10 раз видел, но работающее регулярное выражение таки не получилось составить. Хотя для нескольких десятка других задач регулярки писал без проблем.

Вы можете конкретный пример работающего регулярного выражения прислать? Спасибо заранее.

[Иван Гарбуз]

Пример: "(?<! Сергей )Иванов"
Сергей Иванов — не удовлетворит условию, а Игорь Иванов — подойдет.
Пример: «Сергей.*(Сергеевич|Васильевич).*Иванов»
подойдет: «Сергей*Сергеевич*Иванов» и «Сергей*Васильевич*Иванов»

[darzet]

(?<! \w+\d{2} ) — пометит все конструкции вида <любое слово><число из двух цифр>
Словит конструкции вида слово23

Answer 3

[Иван Гарбуз]

Пример на PHP:

if(preg_match("#^слово1.*(слово2|слово3|слово4).*слово5$#isU","слово1 слово99 слово2 слово98 слово97 слово5")){
	echo 1;
} else {
	echo 2;
}

if(preg_match("#^слово1.*(слово2|слово3|слово4).*слово5$#isU","слово0 слово99 слово2 слово98 слово97 слово5")){
	echo 1;
} else {
	echo 2;
}

if(preg_match("#(?<!Сергей )Иванов#isU","Игорь Иванов")){
	echo 1;
} else {
	echo 2;
}

if(preg_match("#(?<!Сергей )Иванов#isU","Сергей Иванов")){
	echo 1;
} else {
	echo 2;
}

Comments

[Сергей]

Спасибо конечно, но ни один из ваших примеров не ялвяется рабочим решением учитывающим все возможные варианты. Объяснить почему или сами разберётесь?

Answer 4

[gelas]

lookahead по-моему не поддерживается в mysql
как это сделать одним выражением пока придумать не могу, но может быть устроит такой вариант:
SELECT * FROM tbl_words
WHERE txt REGEXP «слово1.*(слово2).*слово5»
AND NOT txt REGEXP «слово1.*(слово3|слово4).*слово5»

Comments

[Сергей]

Такой вариант рассматривался, но проблема в том, что потенциально REGEXP может быть очень длинным т.к. формат поисковых запросов навёрнутый типа: (a * b) OR (c -d -e) OR (x * y -z)

Ну т.е. в таком случае условий AND NOT получится несколько т.к. есть OR-ы, да и работать это всё будет в несколько раз медленнее. У меня даже пока в голове не укладывается как бы это в конечной реализации выглядело :)

[gelas]

Ну тут же вся сложность, как я понимаю, отсеять строки с ненужными словами. Может быть вторая часть (которая NOT REGEXP) получится довольно простая и быстрая. Вероятно даже будет просто NOT REGEXP «слово3|слово4» или вообще NOT LIKE «слово3» AND NOT LIKE «слово4»

Если же таблица большая и скорость важна, то может стоит попробовать добавить отдельную колонку/таблицу в качестве индекса

Но вообще да, надо еще подумать

[rPman]

Не пытайтесь решать всю задачу одним 'красивым росчерком пера', это как минимум глупо.
Решение привести выражение к виду:
(… and ...) or (… .and ...)… or…
а затем сделать несколько регулярных выражений, считаю максимально логичным и удачным.

p.s. кстати любое логическое выражение приводится к видуу (and..) or (and..) or… серией преобразований (с использованием and or not)

Answer 5

[Иван Гарбуз]

if(preg_match("#^слово1(?!.*слово2|.*слово3|.*слово4).*слово5$#isU","слово1 слово99 слово4 слово98 слово97 слово5")){
	echo 1;
} else {
	echo 2;
}


if(preg_match("#^слово1(?!.*слово2|.*слово3|.*слово4).*слово5$#isU","слово1 слово99 слово54 слово98 слово97 слово5")){
	echo 1;
} else {
	echo 2;
}

Как уже и говорил — все работает!

Comments

[Сергей]

Ерунду пишите. У вас даже строка из примера не проходит: слово1 слово99 слово2 слово98 слово97 слово5

[Иван Гарбуз]

Задача строка начинается с слово1 и заканчивается слово5, между словами, если встречаются слова: слово2, слово3 или слово4 то шаблон не удовлетворяет условию.
Результат:
Блок 1 — выводит двойку, т.к. между словом1 и слом5, есть слово4.
В блоке №2 — выводит 1, т.к. слов слово2, слово3 или слово4 не встречается между словами слово1 и слово5.

Что не так?

[Сергей]

Не так то, что между слово1 и слово5 должно быть слово2 (перед ним нету -, блин, см. примеры).