如何定义具有多个 OR 运算符的正则表达式，其中每个术语都包含空格前缀和后缀？

我正在准备数据提取任务。我需要删除一组术语；每个源记录字符串中可以没有、部分或全部出现。有超过 100,000 条目标记录。我想避免执行单个术语匹配/替换操作，因为（a）要删除的术语列表可能会增长，并且（b）一次执行一个术语的当前匹配/替换操作的时间是不可接受的。

我的问题：如何修改正则表达式以包含 OR 分隔列表中的每个术语？

正则表达式

' and | and or | a o | company | co | c o | dba | d b a '

期望的行为

将每个找到的术语（包括前缀和后缀空格）替换为单个空格。

实际行为

找到的每个“偶数”（与“奇数”相反）术语都被替换为单个空格（包括前缀和后缀空格）。

EXAMPLE

源字符串

'   MASHABLE LTD DBA THE INFORMATION EXPERTS and and or a o company co c o dba d b a COPYRIGHT  '

结果字符串（所需行为）

'   MASHABLE LTD THE INFORMATION EXPERTS COPYRIGHT  '

结果字符串（实际行为）

'   MASHABLE LTD THE INFORMATION EXPERTS and or company c o d b a COPYRIGHT  '

环境

SQL Server 2005

用户定义函数 regexReplace 依赖于 VBScript.RegExp （代码在帖子末尾提供）

CODE

set nocount on

declare @source [varchar](800)
declare @regexp [varchar](400)
declare @replace [char](1)
declare @globalReplace [bit]
declare @ignoreCase [bit]
declare @result [varchar](800)

set @globalReplace = 1
set @ignoreCase = 1

SET @source = '   MASHABLE LTD DBA THE INFORMATION EXPERTS and and or a o company co c o dba d b a COPYRIGHT  '
set @regexp = ' and | and or | a o | company | co | c o | dba | d b a '
set @replace = ' '

select @result = master.dbo.regexReplace(@source,@regexp,@replace,@globalReplace,@ignoreCase)

print @result

...产生结果：

   MASHABLE LTD THE INFORMATION EXPERTS and or company c o d b a COPYRIGHT  

* dbo.regex替换用户定义的函数定义 *

CREATE FUNCTION [dbo].[regexReplace]
    (
    @source varchar(5000),
    @regexp varchar(1000),
    @replace varchar(1000),
    @globalReplace bit = 0,
    @ignoreCase bit = 0
    )
    RETURNS varchar(1000) AS
        BEGIN
            DECLARE @hr integer
            DECLARE @objRegExp integer
            DECLARE @result varchar(5000)

            EXECUTE @hr = sp_OACreate 'VBScript.RegExp', @objRegExp OUTPUT
            IF @hr <> 0 
                BEGIN
                    EXEC @hr = sp_OADestroy @objRegExp
                    RETURN NULL
                END
            EXECUTE @hr = sp_OASetProperty @objRegExp, 'Pattern', @regexp
            IF @hr <> 0 
                BEGIN
                    EXEC @hr = sp_OADestroy @objRegExp
                    RETURN NULL
                END
            EXECUTE @hr = sp_OASetProperty @objRegExp, 'Global', @globalReplace
            IF @hr <> 0 
                BEGIN
                    EXEC @hr = sp_OADestroy @objRegExp
                    RETURN NULL
                END
            EXECUTE @hr = sp_OASetProperty @objRegExp, 'IgnoreCase', @ignoreCase
            IF @hr <> 0 
                BEGIN
                    EXEC @hr = sp_OADestroy @objRegExp
                    RETURN NULL
                END

            EXECUTE @hr = sp_OAMethod @objRegExp, 'Replace', @result OUTPUT, @source, @replace
            IF @hr <> 0 
                BEGIN
                    EXEC @hr = sp_OADestroy @objRegExp
                    RETURN NULL
                END

            EXECUTE @hr = sp_OADestroy @objRegExp
                IF @hr <> 0 
                    BEGIN
                        RETURN NULL
                    END

            RETURN @result
        END

尝试这个：

(?: (?:and or|and|a o|company|co|c o|dba|d b a))+(?!\S)/i

就像@mathematical.coffee一样，我首先分解出前导空格并用前瞻替换尾随空格——在本例中，negative前瞻一个非空白特点。这样，即使标记是字符串中的最后一个并且后面没有空格，它也会起作用。但最重要的变化是尽可能一次替换两个或更多匹配项。