ECMAScript环境下如何匹配含指定关键词且可跨多行的完整句子

原正则问题分析 #

你当前使用的^.*\b(dog|cat|bird)\b.*\.存在两个核心缺陷，导致无法匹配跨行句子：

• ECMAScript正则默认.不匹配换行符，.*遇到换行就会终止匹配，只能识别单行内容
• 无句子边界限制，.*的贪婪特性会匹配到全文最后一个句点，无法正确拆分单个句子

调整后的正则方案 #

最终正则 #

/(?:^|(?<=[.!?]\s))[^.!?]*\b(dog|cat|bird)\b[^.!?]*\./gs

各部分说明 #

• 标志位g：开启全局匹配，可识别文档中所有符合要求的句子
• 标志位s：开启dotAll模式，作为冗余保障兼容边界场景的换行匹配
• (?:^|(?<=[.!?]\s))：非捕获组，定位句子起始位置：要么是文档开头，要么是上一个句子结束标点（.、!、?）加空白后的位置，避免从句子中间开始截取
• [^.!?]*：匹配所有非句子结束标点的字符，天然包含换行符，把匹配范围严格限制在单个句子内
• \b(dog|cat|bird)\b：保留你原有的整词匹配规则，精准命中目标关键词
• \.：匹配当前句子的结束句点

兼容性调整 #

如果你的运行环境不支持后行断言（如IE、Node.js 10以下版本），可以使用兼容版本正则：

/(?:^|[\s\S]?)([^.!?]*\b(dog|cat|bird)\b[^.!?]*\.)/g

匹配结果取第一个捕获组内容即可。

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