如何修改JavaScript正则表达式以提取文本中的目标词汇？

问题描述 #

我有一段包含词汇及其释义的文本，需要用JavaScript正则提取目标词汇（如Necessity、Lay of the land、Mumble），但编写的代码仅匹配到['Necessity', 'Mumble']，请问哪里出错了？

原代码如下：

let text = `Necessity:(noun)the need for something, or something that is needed
Example: In my work, a computer is a necessity.

Lay of the land: (idiom n. Or v.)the general state or condition of affairs under consideration; the facts of a situation
Example: We asked a few questions to get the lay of the land.

Mumble:(verb) to speak quietly or in an unclear way so that the words are difficult to understand
Example: She mumbled something about needing to be home, then left.
`;

let matches = text.match(/[A-Za-z]+(?=:\S)/g);

console.log(matches); //['Necessity', 'Mumble']

问题原因 #

原正则/[A-Za-z]+(?=:\S)/g存在两个关键缺陷：

1. [A-Za-z]+只能匹配连续的纯字母字符串，无法匹配带空格的短语（比如Lay of the land）；
2. 正向预查(?=:\S)要求冒号后必须紧跟非空白字符，但Lay of the land的冒号后是空格，不满足该条件，导致匹配失败。

修正方案 #

调整正则表达式，适配带空格的短语格式，同时兼容冒号前可能存在的空格：

let matches = text.match(/^[A-Z][A-Za-z\s]+?(?=\s*:)/gm);
console.log(matches); // ['Necessity', 'Lay of the land', 'Mumble']

正则解析 #

• ^：配合m多行模式，匹配每一行的开头；
• [A-Z]：确保词汇以大写字母开头（符合文本中词汇的格式）；
• [A-Za-z\s]+?：匹配字母和空格，+?采用非贪婪匹配，避免过度匹配到后续内容；
• (?=\s*:)：正向预查，匹配后面跟着0个或多个空格+冒号的位置；
• gm：全局匹配（g）+ 多行模式（m），遍历所有行提取符合规则的词汇。

内容的提问来源于stack exchange，提问作者Cihat Şaman