仅匹配整个单词而不匹配正则表达式 - match whole word only without regex

match whole word only without regex

由于我无法使用preg_match（UTF8 支持不知何故被破坏，它在本地工作但在生产中中断），我想找到另一种将单词与黑名单匹配的方法。问题是，我只想搜索字符串以查找完全匹配项，而不是字符串的第一次出现。

这就是我用preg_match的方式

preg_match('/'b(badword)'b/', strtolower($string));

示例字符串：

$string = "This is a string containing badwords and one badword";

我只想匹配"坏词"（最后）而不是"坏词"。

strpos('badword', $string) matches the first one

有什么想法吗？

假设您可以进行一些预处理，则可以将所有标点符号替换为空格，并将所有内容都设置为小写，然后：

将strpos与类似的东西一起使用，以便在一段时间循环中strpos(' badword ', $string)继续迭代整个文档;
空格处拆分字符串，并将每个单词与您拥有的坏单词列表进行比较。

因此，如果您在尝试第一个选项的地方，它将是这样的（未经测试的伪代码）

$documet = body of text to process . ' ' 
$document.replace('!@#$%^&*(),./...', ' ')
$document.toLowerCase()
$arr_badWords = [...]
foreach($word in badwords)
{
    $badwordIndex = strpos(' ' . $word . ' ', $document)
    while(!badWordIndex)
    {
        //
        $badwordIndex = strpos($word, $document)
    }
}

编辑：根据@jonhopkins建议，在末尾添加一个空格应该满足以下情况：文档末尾有想要的单词并且没有标点符号。

如果你想

模仿正则表达式的'b修饰符，你可以尝试这样的事情：

$offset = 0;
$word = 'badword';
$matched = array();
while(($pos = strpos($string, $word, $offset)) !== false) {
    $leftBoundary = false;
    // If is the first char, it has a boundary on the right
    if ($pos === 0) {
       $leftBoundary = true;
    // Else, if it is on the middle of the string, we must check the previous char
    } elseif ($pos > 0 && in_array($string[$pos-1], array(' ', '-',...)) {
        $leftBoundary = true;
    }
    $rightBoundary = false;
    // If is the last char, it has a boundary on the right
    if ($pos === (strlen($string) - 1)) {
       $rightBoundary = true;
    // Else, if it is on the middle of the string, we must check the next char
    } elseif ($pos < (strlen($string) - 1) && in_array($string[$pos+1], array(' ', '-',...)) {
        $rightBoundary = true;
    }
    // If it has both boundaries, we add the index to the matched ones...
    if ($leftBoundary && $rightBoundary) {
        $matched[] = $pos;
    }
    $offset = $pos + strlen($word);
}

您可以使用

strrpos()代替strpos：

strrpos — 查找字符串中子字符串最后一次出现的位置

$string = "This is a string containing badwords and one badword";
var_dump(strrpos($string, 'badword'));

输出：

一种将单词边界与 unicode 属性一起使用的简单方法：

preg_match('/(?:^|[^pL'pN_])(badword)(?:[^pL'pN_]|$)/u', $string);

事实上，它要复杂得多，看看这里。