匹配列表中4个或更多单词的正则表达式

Question

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regex的。

我有一个单词列表：word1、word2、word3、word4、word5、word6、word7、word8、word9、word10。我正在尝试编写一个正则表达式，如果一个字符串包含4个或更多这样的单词，那么它将在任何顺序的任何位置匹配该字符串。

• “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2个单词

我有以下正则表达式，但它似乎不做我需要的。

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

请用Java或Python表示法给出任何建议？

编辑：添加了一些背景信息。

Answer 1

也许是这样（不是regex，但我认为更具可读性）：

words = ['word1', 'word2', 'word3', 'word4', 'word5', 'word6', 'word7', 'word8', 'word9', 'word10']
text = "Abc word2 def ghi word8"
sum(i in text for i in words)

Answer 2

您不需要使用正则表达式。如果您关心的只是任何单词的出现次数，那么您可以将输入列表转换为set并对其执行交集操作。

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

Answer 3

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,}

它们包括：

1. “Abc word3 def word2 ghi word7 jkl word1 mno word5”-

我认为您原来的正则表达式主要缺少了<代码>* 以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在关键字（测试5）之前的边界字符，我认为它也丢失了。