Регулярные выражения, исключить строки содержащие слова

@novikoff92 · Регистрация: 18.08.2015

Добрый день,
Помогите пожалуйста решить проблему с исключением строк в которых встречаются определенные подстроки.

Задача в общем виде примерно такая:
Имеем несколько категорий:

Негазированная вода
Газированная вода
Сладкая вода
Чай

И набор строк, который вводит пользователь (конечно же как попало):

вода
негазированная вода
минеральная вода
водичка
вода газированная
газ. вода
вода с газом
Сладкая вода
Сладкая газированная вода
Газированная вода (сладкая)
Вода сладкая газированная
Сладкий чай
Зеленый чай

Мне нужно для каждой строки категории написать регулярное выражение таким образом,
чтобы каждая строка из набора идентифицировалась только к одной категории
Т.е. /.*вод.*/gi не подойдет.

Важно:

ключевые слова могут быть поменяны местами: "вода газированная" и "газ. вода"
при попадании в одну категорию в другую попасть не должно

Как я понял для такой задачи подойдет Просмотр с отрицанием (?!шаблон),
но он блин все равно включает в выборку не нужные строки...

Пробовал такие запросы
для негазированной воды:
.*(?!слад|\bгаз|^газ).*(вод).*
для нескольких необходимых слов использовал ссылки на результат:
.*(?!слад).*(вод|\bгаз|^газ).*(?!слад|\1).*(вод|\bгаз|^газ). *

Ниче не работает, подскажите как правильно написать, я с регулярками раньше не работал...

Тестил на regex101.com , не понял еще почему на этом сайте вообще ничего не выдает с "\bгаз"
это же как бы граница слова (чтобы "негазированный" не подхватил)

@igorrr37 · 11.04.2018, 10:55

Сообщение от novikoff92

вообще ничего не выдает с "\bгаз"

граница слова \b работает с латинскими буквами

Добавлено через 2 часа 11 минут

C#

using System.Text.RegularExpressions;
using System;
using System.Collections.Generic;
using System.Collections;
 
namespace nms
{
    class Program
    {
        static void Main()
        {
            ArrayList al = new ArrayList
            {
                "вода",
                "негазированная вода",
                "минеральная вода",
                "водичка",
                "вода газированная",
                "газ. вода",
                "вода с газом",
                "Сладкая вода",
                "Сладкая и газированная вода",
                "Газированная вода (сладкая)",
                "Вода сладкая газированная",
                "Сладкий чай",
                "Чай зеленый"
            };
 
            Dictionary<string, string> dct = new Dictionary<string, string>
            {
                { "^(?!.*?(?:[Чч]ай|[Сс]ладкая).*?)(?:^|.*?[^е])[Гг]аз(?!.*?(?:[Чч]ай|[Сс]ладкая))", "Газированная вода" },
                { "[Сс]ладкая", "Сладкая вода" },
                { "[Чч]ай", "Чай" },
                { "^(?!.*?([Чч]ай|[Сс]ладкая|(?:^|[^е])[Гг]аз))", "Негазированная вода" }
            };
 
            int totalFound = 0;
            foreach(string str in al)
            {
                bool found = false;
                foreach(KeyValuePair<string, string> pr in dct)
                {
                    if (Regex.Match(str, pr.Key).Success)
                    {
                        Console.WriteLine(String.Format("{0,-30}", str) + "  =>  " + pr.Value);
                        found = true;
                        ++totalFound;
                        // break; // проверяем каждую регулярку на каждой фразе
                    }
                }
                if(!found)
                {
                    Console.WriteLine(String.Format("{0,-30}", str) + "  =>  Not Found");
                }
            }
            if(totalFound != al.Count)
            {
                Console.WriteLine("\nERROR: totalFound = " + totalFound.ToString() + ", al.Count = " + al.Count.ToString());
            }
        }
    }
}

@Emilien · 11.04.2018, 10:55

Можно сделать набор относительно простых регулярок, но подобрать порядок их проверки и при первом совпадении останавливать поиск.

C#

Dictionary<string, string> patterns = new Dictionary<string, string>()
{
    {"Чай",                 @"(?i)\bЧай\b"},
    {"Сладкая вода",        @"(?i)(?=.*\bсладк)(?=.*\bвод)"},
    {"Газированная вода",   @"(?i)(?=.*\bгаз)(?=.*\bвод)"},
    {"Негазированная вода", @"(?i)(?=.*\bвод)"}
};

http://rextester.com/ERMSZB44867

@igorrr37 · 11.04.2018, 11:01

Emilien, я решил сделать чтоб находил независимо от порядка проверки

@novikoff92 · 11.04.2018, 15:20 **[ТС]**

igorrr37, код работает,

только тут все что он не смог найти, считает "Негазированной водой",
И в реальном примере больше перекрестных вариантов, например:

Сладкий чай
Сладкая вода
вода + чай

это может относится к разным категориям
т.е. надо указывать как шаблоны слов которые не должны быть в строке, так и какие должны (причем все слова)
например
в "Газированная вода" должны быть "газ и "вод" (обязательно оба) и не должно быть "чай", "негаз" и еще че нибудь

Что то типа, но не работает:

C#

1	{ "^(?!.?(?:чай\|слад).?)((?:^\|.?[^е])газ\|вод)(?!.?(?:чай\|слад\|\\1).?)((?:^\|.?[^е])газ\|вод)(?!.*?(?:чай\|слад))", "Газированная вода" },

Вопросы по рег. выражениям:
как мне сослаться на группу ((?:^|.*?[^е])газ|вод), чтобы не писать постоянно
и чем отличается .*? от .*

Добавлено через 2 часа 6 минут

Урааа! нашел решение!

В общем, в моем случае подходит строка такого вида:

^(?!.*слад|.*чай|.*негаз)(?=.*вод)(?=.*газ).*$

Где
слад, чай, негаз - маски слов которых точно не должно быть в строке
вод, газ - маски слов которые обязательно должны быть в строке

Т.е.

C#

Dictionary<string, string> dct = new Dictionary<string, string>
{
    { "^(?!.*слад|.*чай|.*негаз)(?=.*вод)(?=.*газ).*$" , "Газированная вода" },
    { "^(?!.*чай)(?=.*вод)(?=.*слад).*$"               , "Сладкая вода" },
    { "^(?=.*чай).*$"                                  , "Чай" },
    { "^(?!.*слад|.*чай|.*(?:^|[^е])газ)(?=.*вод).*$"  , "Негазированная вода" }
};

И с включенной опцией игнора регистра вроде нормально отрабатывает:

C#

1	Regex.Match(str, pr.Key, RegexOptions.IgnoreCase)

Если где то я ошибаюсь, ткните пожалуйста, где именно...
А если это выражение все таки работает как надо, то вдруг кому пригодится

@igorrr37 · 11.04.2018, 15:37

а если так "Негазированная вода и чай газированная"

@novikoff92 · 12.04.2018, 06:42 **[ТС]**

Сообщение от igorrr37

а если так "Негазированная вода и чай газированная"

Так пишет что "чай", потому что у него не указано исключающих слов.
Но включает его только туда, и если исключения прописать, то он выдаст что не найден

@novikoff92 1 / 1 / 0 Регистрация: 18.08.2015 Сообщений: 48
		1
	Регулярные выражения, исключить строки содержащие слова 11.04.2018, 07:58. Просмотров 8138. Ответов 6 Метки regex, исключение, категории, регулярки, регулярные выражения (Все метки) Добрый день, Помогите пожалуйста решить проблему с исключением строк в которых встречаются определенные подстроки. Задача в общем виде примерно такая: Имеем несколько категорий: Негазированная вода Газированная вода Сладкая вода Чай И набор строк, который вводит пользователь (конечно же как попало): вода негазированная вода минеральная вода водичка вода газированная газ. вода вода с газом Сладкая вода Сладкая газированная вода Газированная вода (сладкая) Вода сладкая газированная Сладкий чай Зеленый чай Мне нужно для каждой строки категории написать регулярное выражение таким образом, чтобы каждая строка из набора идентифицировалась только к одной категории Т.е. **/.вод./gi не подойдет. Важно: ключевые слова могут быть поменяны местами: "вода газированная" и "газ. вода" при попадании в одну категорию в другую попасть не должно Как я понял для такой задачи подойдет Просмотр с отрицанием (?!шаблон)*, но он блин все равно включает в выборку не нужные строки... Пробовал такие запросы для негазированной воды: .(?!слад\|\bгаз\|^газ).(вод). для нескольких необходимых слов использовал ссылки на результат: .(?!слад).(вод\|\bгаз\|^газ).(?!слад\|\1).(вод\|\bгаз\|^газ). * Ниче не работает, подскажите как правильно написать, я с регулярками раньше не работал... Тестил на regex101.com , не понял еще почему на этом сайте вообще ничего не выдает с "\bгаз" это же как бы граница слова (чтобы "негазированный" не подхватил) 0

@igorrr37 2224 / 1728 / 864 Регистрация: 21.12.2010 Сообщений: 3,073 Записей в блоге: 11
	11.04.2018, 11:01	4
	Emilien, я решил сделать чтоб находил независимо от порядка проверки 0

@igorrr37 2224 / 1728 / 864 Регистрация: 21.12.2010 Сообщений: 3,073 Записей в блоге: 11
	11.04.2018, 15:37	6
	а если так "Негазированная вода и чай газированная" 0

@novikoff92 1 / 1 / 0 Регистрация: 18.08.2015 Сообщений: 48
	12.04.2018, 06:42 [ТС]	7
	Сообщение от igorrr37 а если так "Негазированная вода и чай газированная" Так пишет что "чай", потому что у него не указано исключающих слов. Но включает его только туда, и если исключения прописать, то он выдаст что не найден 0

Опции темы