Задача заключается в отборе строк, где искомая словоформа может быть в начале строки, в середине, а также в конце строки (предложения).
В этой публикации мы будем говорить о словоформах слов на русском языке. Языковая привязка очень важна. От неё зависят наборы символов, по которым нужно сопоставлять строки.
Вводные данные
Представим, что у нас имеется массив из строк, которые являются предложениями или короткими словосочетаниями:
let arr = ['Белый снег', 'Поверхность стола белая, с вкраплениями', 'Немного белый оттенок', 'Местами Белый', 'Окрас белыйсветлый'];
Нашей искомой словоформой будет «белый«.
Слипшиеся слова по факту будут являться другими словоформами. Их мы учитывать не будем. Для них должен работать отдельный инструмент, который будет заниматься поиском синтаксических ошибок в русском языке.
Три варианта нахождения словоформы в строке
На первом шаге можно получать массив, в котором все строковые элементы будут в нижнем регистре. Но это не обязательно.
arr.map(i=>i.toLowerCase());
Теперь нужно оформить шаблон регулярного выражения, который будет правильно сопоставлять для нас строки.
Нам достаточно найти одно сопоставление в строке. Нам не нужно перепроверять всю строку от начала и до конца. Нам просто нужен факт существования, а не точное расположение.
Вариант № 1 — словоформа находится в самом начале строки
arr.map(i=>i.toLowerCase()).filter(i=>i.match(/^белый[^абвгдеёжзийклмнопрстуфхцчшщъыьэюяАБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯ]+/))
Под это сопоставление подойдёт первый элемент массива:
['белый снег']
Вариант № 2 — словоформа находится в середине строки
arr.map(i=>i.toLowerCase()).filter(i=>i.match(/[^абвгдеёжзийклмнопрстуфхцчшщъыьэюяАБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯ]+?белый[^абвгдеёжзийклмнопрстуфхцчшщъыьэюяАБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯ]+/))
Под это сопоставление подойдёт третий элемент массива:
['немного белый оттенок']
Вариант № 3 — словоформа находится в конце строки
arr.map(i=>i.toLowerCase()).filter(i=>i.match(/[^абвгдеёжзийклмнопрстуфхцчшщъыьэюяАБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯ]+белый$/))
Под это сопоставление подойдёт четвёртый элемент массива:
['местами белый']
Что мы получили?
Из всех пяти элементов массива мы не получили два значения. Это элемент ‘Поверхность стола белая, с вкраплениями‘ и элемент ‘Окрас белыйсветлый‘. Оба этих элемента не включают искомую нами словоформу.
Из всех пяти элементов массива мы получили три строки, которые представляют для нас полезную информацию.
Объединение трёх вариантов в один обработчик
Нам нужно упаковать алгоритм нахождения существования словоформы в одну функцию.
Функция будет работать со строкой и словоформой, а возвращать её результат сопоставления в логическом виде — встречается словоформа в строке или нет.
Но мы оформим нашу функцию с учётом особенностей работы метода filter().
function word_form_includes(str, index, obj){
//console.log(str);
//console.log(index);
//console.log(obj);
//console.log(this);
if(str.toLowerCase() == this.wordform.toLowerCase()){return true}
let re1, re2, re3; // переменные для объектов регулярных выражений
re1 = new RegExp(`^${this.wordform.toLowerCase()}[^абвгдеёжзийклмнопрстуфхцчшщъыьэюяАБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯ]+`);
re2 = new RegExp(`[^абвгдеёжзийклмнопрстуфхцчшщъыьэюяАБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯ]+?${this.wordform.toLowerCase()}[^абвгдеёжзийклмнопрстуфхцчшщъыьэюяАБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯ]+`);
re3 = new RegExp(`[^абвгдеёжзийклмнопрстуфхцчшщъыьэюяАБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯ]+${this.wordform.toLowerCase()}$`);
let cond1, cond2, cond3; // переменные для результата присутствия словоформы в строке
cond1 = str.toLowerCase().match(re1);
cond2 = str.toLowerCase().match(re2);
cond3 = str.toLowerCase().match(re3);
if(cond1 || cond2 || cond3){return true}; // итоговое сравнение ИЛИ ИЛИ
return false;
}
Внутри функции обработчика мы будем использовать ключевое слово this, чтобы указать на объект контекста вызова данной функции. Привязку this мы получим от объекта, переданного вторым параметром в метод filter().
Объектом контекста вызова функции обработчика будет объект — {wordform:`белый`}.
arr.filter(word_form_includes, {wordform:`белый`})
Результат работы функции обработчика — массив из трёх строк, в которых словоформа была найдена:
['Белый снег', 'Немного белый оттенок', 'Местами Белый']
Информационные ссылки
Стандарт ECMAScript — Раздел «The RegExp Constructor» — https://tc39.es/ecma262/#sec-regexp-constructor
Стандарт ECMAScript — Раздел «String.prototype.match ( regexp )» — https://tc39.es/ecma262/#sec-string.prototype.match
Стандарт ECMAScript — Раздел «String.prototype.toLowerCase ( )» — https://tc39.es/ecma262/#sec-string.prototype.tolowercase
Стандарт ECMAScript — Раздел «Array.prototype.filter ( callbackfn [ , thisArg ] )» — https://tc39.es/ecma262/#sec-array.prototype.filter
Стандарт ECMAScript — Раздел «Array.prototype.map ( callbackfn [ , thisArg ] )» — https://tc39.es/ecma262/#sec-array.prototype.map
Стандарт ECMAScript — Раздел «Binary Logical Operators» — https://tc39.es/ecma262/#sec-binary-logical-operators
