使用Java正则表达式，如何检查字符串是否包含集合中的任何单词？

TL;DR对于简单的子字符串是最好的，但对于仅匹配整个单词，正则表达式可能更好。contains()

查看哪种方法更有效的最佳方法是对其进行测试。

您可以使用 代替 来简化非正则表达式代码。String.contains()String.indexOf()

要搜索不同的单词，正则表达式如下所示：

apple|orange|pear|banana|kiwi

在正则表达式中用作 。|OR

我非常简单的测试代码如下所示：

public class TestContains {

   private static String containsWord(Set<String> words,String sentence) {
     for (String word : words) {
       if (sentence.contains(word)) {
         return word;
       }
     }

     return null;
   }

   private static String matchesPattern(Pattern p,String sentence) {
     Matcher m = p.matcher(sentence);

     if (m.find()) {
       return m.group();
     }

     return null;
   }

   public static void main(String[] args) {
     Set<String> words = new HashSet<String>();
     words.add("apple");
     words.add("orange");
     words.add("pear");
     words.add("banana");
     words.add("kiwi");

     Pattern p = Pattern.compile("apple|orange|pear|banana|kiwi");

     String noMatch = "The quick brown fox jumps over the lazy dog.";
     String startMatch = "An apple is nice";
     String endMatch = "This is a longer sentence with the match for our fruit at the end: kiwi";

     long start = System.currentTimeMillis();
     int iterations = 10000000;

     for (int i = 0; i < iterations; i++) {
       containsWord(words, noMatch);
       containsWord(words, startMatch);
       containsWord(words, endMatch);
     }

     System.out.println("Contains took " + (System.currentTimeMillis() - start) + "ms");
     start = System.currentTimeMillis();

     for (int i = 0; i < iterations; i++) {
       matchesPattern(p,noMatch);
       matchesPattern(p,startMatch);
       matchesPattern(p,endMatch);
     }

     System.out.println("Regular Expression took " + (System.currentTimeMillis() - start) + "ms");
   }
}

我得到的结果如下：

Contains took 5962ms
Regular Expression took 63475ms

显然，时间会根据要搜索的单词数和要搜索的字符串而有所不同，但对于像这样的简单搜索，似乎比正则表达式快约10倍。contains()

通过使用正则表达式在另一个字符串中搜索字符串，您正在使用大锤来破解螺母，所以我想我们不应该对它的速度更慢感到惊讶。保存正则表达式，以便在要查找的模式更复杂时使用。

您可能希望使用正则表达式的一种情况是，如果 并且不会完成这项工作，因为您只想匹配整个单词而不仅仅是子字符串，例如，您想要匹配但不匹配。正则表达式可以很好地处理这种情况，因为它们具有单词边界的概念。indexOf()contains()pearspears

在这种情况下，我们将模式更改为：

\b(apple|orange|pear|banana|kiwi)\b

表示仅匹配单词的开头或结尾，括号将 OR 表达式组合在一起。\b

请注意，在代码中定义此模式时，您需要使用另一个反斜杠对反斜杠进行转义：

 Pattern p = Pattern.compile("\\b(apple|orange|pear|banana|kiwi)\\b");

我不认为正则表达式在性能方面会做得更好，但你可以按如下方式使用它：

Pattern p = Pattern.compile("(apple|orange|pear)");
Matcher m = p.matcher(inputString);
while (m.find()) {
   String matched = m.group(1);
   // Do something
}