使用REGEX匹配含指定单词的整句时目标词居首无法匹配问题

问题根因 #

原有正则匹配失败的核心原因：开头的[^?!.\s]强制要求关键词前至少存在1个非标点、非空白的字符，当关键词本身位于句首时，关键词前没有多余字符满足该匹配要求，因此类似Dog days are over.的句式无法命中。

调整后的正则规则 #

(?:^|(?<=[.?!]))\s*[^?!.]*?\b([Cc]at|[Dd]og|[Bb]ird)\b[^?!.]*[.?!]

规则说明 #

• 开头的(?:^|(?<=[.?!]))匹配句子的合法起始位置：要么是整个文本的开头，要么是上一个句末标点（.?!）的后一位，不会误匹配句子中间片段
• \s*兼容句首前的空白字符（包括换行、空格、制表符等），满足跨行匹配需求
• 去掉了原有规则中强制存在的前置字符要求，当关键词位于句首时，[^?!.]*?可以匹配空内容，顺利命中句首关键词
• 原有规则的跨行匹配、句末标点匹配逻辑全部保留，符合你提出的句子结构要求

可选优化 #

如果你的正则引擎支持不区分大小写匹配标志，可将关键词部分简化为cat|dog|bird，开启标志后自动适配大小写，规则更简洁易维护。

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