如何编写正则匹配含列表中任意顺序多个不同关键词的字符串

针对示例场景（至少2个不同关键词）的可用写法 #

核心思路是利用零宽正向预查不消耗匹配字符的特性，独立校验不同关键词的存在性，配合反向引用排除重复命中同一个关键词的情况，天然支持关键词任意顺序出现。
针对给出的apple/banana/cherry关键词列表，可直接使用的正则如下：

^(?=.*\b(apple|banana|cherry)\b)(?=.*\b(?!\1)(apple|banana|cherry)\b).+$

规则说明 #

• ^和.+$用于匹配完整待检测字符串
• 第一个预查块(?=.*\b(apple|banana|cherry)\b)：扫描字符串任意位置，命中第一个列表内的关键词时，将该关键词存入第1个捕获组
• 第二个预查块(?=.*\b(?!\1)(apple|banana|cherry)\b)：扫描字符串任意位置，要求命中列表内的关键词，且该关键词不等于第1个捕获组存储的内容，即确保存在第二个不同的关键词
• 所有\b为单词边界符，避免误匹配（比如不会把pineapple中的apple判定为命中关键词）

匹配效果验证 #

• 正常命中场景：
  • loved apple and banana.：先后命中apple和banana两个不同关键词，匹配成功
  • cherry is purple and banana is yellow.：先后命中cherry和banana两个不同关键词，匹配成功
  • apple, banana, cherry are all fruits.：命中3个不同关键词，满足要求，匹配成功
• 正常拦截场景：
  • apple tastes good.：仅存在apple1个关键词，第二个预查校验失败，不匹配
  • a yellow fruit can be an banana.：仅存在banana1个关键词，不匹配
• 可选拦截场景（重复同一关键词）：
  • cherry is cherry：两次命中均为cherry，第二个预查的排除规则生效，不匹配

极端兼容写法（适配老旧正则引擎） #

如果使用的环境正则库版本极老，不支持预查内反向引用，可以用枚举两两组合的写法，兼容性覆盖几乎所有正则实现：

\b(apple\b.*\b(banana|cherry)|banana\b.*\b(apple|cherry)|cherry\b.*\b(apple|banana))\b

这个写法的缺点是关键词数量变多时正则长度会增加，但需求中明确关键词列表通常少于10个，手动编写成本很低。 #

延伸问题：通用匹配「N个关键词中至少命中k个不同关键词」的实现 #

完全可以实现，根据正则引擎的支持程度选对应写法即可：

1. 现代正则引擎写法（推荐）
   支持正向零宽预查、反向引用的引擎（PCRE、Python re、Java正则、JavaScript ES2018+、.NET正则等），只需要叠加k层预查块即可，每层预查块排除前面已经捕获到的关键词，结构模板如下：

   ^(?=.*\b(关键词1|关键词2|...|关键词N)\b)
    (?=.*\b(?!\1)(关键词1|关键词2|...|关键词N)\b)
    (?=.*\b(?!\1|\2)(关键词1|关键词2|...|关键词N)\b)
    // 共叠加k层预查，第m层预查的排除规则为(?!\1|\2|...|\m-1)
    .+$
   

   比如要匹配至少3个不同关键词，只需要在之前2个关键词的正则基础上，再加第三层预查(?=.*\b(?!\1|\2)(apple|banana|cherry)\b)即可。
2. 老旧正则引擎兼容写法
   不支持预查/反向引用的场景，直接枚举所有「k个不同关键词按任意顺序出现」的组合，用|分隔不同组合即可。该写法缺点是N和k增大时正则长度会快速上升，但对于N<10、k≤3的常见场景完全可用。

注意事项 #

• 如果关键词本身包含正则特殊字符（如.、*、?、(等），需要先对特殊字符做转义处理，避免被解析为正则语法
• 如果不需要严格单词匹配（允许关键词作为其他字符串的子串命中），可以删除正则中所有的\b边界符

内容的提问来源于stack exchange，提问作者imkzh