1

I am new to regular expressions and I need a regular expression to match exact Arabic word using regular expression in a string. I have created this regexr, but it returning 423 matches when there are less than 10 actual word matches in the given string. What should I modify in the regular expression to match the exact arabic word?

EDIT:

I am trying with the following regular expression:

[الإمارات]+

I have tried with word boundary(\b) which is working for English words but it is not working for Arabic words.

tchrist
  • 78,834
  • 30
  • 123
  • 180
seadrag0n
  • 848
  • 1
  • 16
  • 40

1 Answers1

0

Summary: Based on your comments about wanting to match repetitions of such words, it seems like \b(?:[ لإمارات]+\b\s*)+ should work for you.

These are your matches:

  1. ‎ت
  2. ‎ر
  3. ‎الإمارات
  4. ‎ال
  5. ‎ر
  6. ‎المت
  7. ‎ال
  8. ‎ل
  9. ‎ال
  10. ‎ت
  11. ‎الت
  12. ‎لم
  13. ‎م
  14. ‎ر
  15. ‎ل
  16. ‎ت
  17. ‎ا
  18. ‎ال
  19. ‎ر
  20. ‎ال
  21. ‎ت
  22. ‎ال
  23. ‎ال
  24. ‎ات
  25. ‎ال
  26. ‎ا
  27. ‎إ
  28. ‎ا
  29. ‎ات
  30. ‎ا
  31. ‎ال
  32. ‎ا
  33. ‎ل
  34. ‎ل
  35. ‎ال
  36. ‎م
  37. ‎ما
  38. ‎ات
  39. ‎ل
  40. ‎لا
  41. ‎ا
  42. ‎ا
  43. ‎ا
  44. ‎ال
  45. ‎ا
  46. ‎ا
  47. ‎ا
  48. ‎م
  49. ‎ال
  50. ‎لما
  51. ‎ا
  52. ‎ال
  53. ‎الم
  54. ‎م
  55. ‎م
  56. ‎ر
  57. ‎ا
  58. ‎ت
  59. ‎ل
  60. ‎ا
  61. ‎ر
  62. ‎م
  63. ‎م
  64. ‎ر
  65. ‎الا
  66. ‎ا
  67. ‎ت
  68. ‎ر
  69. ‎ا
  70. ‎م
  71. ‎ر
  72. ‎ال
  73. ‎ام
  74. ‎ات
  75. ‎ال
  76. ‎ار
  77. ‎م
  78. ‎ت
  79. ‎ل
  80. ‎الإ
  81. ‎ا
  82. ‎ر
  83. ‎الم
  84. ‎ا
  85. ‎ر
  86. ‎الر
  87. ‎ا
  88. ‎ال
  89. ‎م
  90. ‎ال
  91. ‎ا
  92. ‎ما
  93. ‎م
  94. ‎ارات
  95. ‎م
  96. ‎المت
  97. ‎را
  98. ‎ت
  99. ‎م
  100. ‎ا
  101. ‎ت
  102. ‎ام
  103. ‎الت
  104. ‎ل
  105. ‎ا
  106. ‎ا
  107. ‎لا
  108. ‎م
  109. ‎ل
  110. ‎ال
  111. ‎ال
  112. ‎الم
  113. ‎ال
  114. ‎م
  115. ‎م
  116. ‎ل
  117. ‎م
  118. ‎ر
  119. ‎ل
  120. ‎ال
  121. ‎ال
  122. ‎ر
  123. ‎الم
  124. ‎م
  125. ‎للم
  126. ‎ا
  127. ‎م
  128. ‎م
  129. ‎ل
  130. ‎الما
  131. ‎ل
  132. ‎ت
  133. ‎ا
  134. ‎تماما
  135. ‎ا
  136. ‎ا
  137. ‎لل
  138. ‎ا
  139. ‎الت
  140. ‎ت
  141. ‎مل
  142. ‎الت
  143. ‎إل
  144. ‎ت
  145. ‎ا
  146. ‎ر
  147. ‎إ
  148. ‎ا
  149. ‎ال
  150. ‎ل
  151. ‎للإمارات
  152. ‎الم
  153. ‎ل
  154. ‎الرا
  155. ‎الت
  156. ‎ل
  157. ‎م
  158. ‎ل
  159. ‎ل
  160. ‎ر
  161. ‎ال
  162. ‎ر
  163. ‎الا
  164. ‎ت
  165. ‎ا
  166. ‎ل
  167. ‎ر
  168. ‎ات
  169. ‎ا
  170. ‎مت
  171. ‎ت
  172. ‎ر
  173. ‎الإمارات
  174. ‎لا
  175. ‎ما
  176. ‎ا
  177. ‎ات
  178. ‎ال
  179. ‎ا
  180. ‎ال
  181. ‎ارات
  182. ‎الإ
  183. ‎ا
  184. ‎ات
  185. ‎ال
  186. ‎ارات
  187. ‎الت
  188. ‎ل
  189. ‎م
  190. ‎ت
  191. ‎ر
  192. ‎ت
  193. ‎ر
  194. ‎م
  195. ‎ال
  196. ‎ل
  197. ‎ال
  198. ‎ت
  199. ‎الم
  200. ‎ات
  201. ‎تل
  202. ‎ال
  203. ‎ام
  204. ‎ما
  205. ‎ا
  206. ‎ت
  207. ‎م
  208. ‎ا
  209. ‎الرا
  210. ‎م
  211. ‎ر
  212. ‎ر
  213. ‎ال
  214. ‎ا
  215. ‎ر
  216. ‎ا
  217. ‎م
  218. ‎ا
  219. ‎ل
  220. ‎ال
  221. ‎ر
  222. ‎ر
  223. ‎ما
  224. ‎ت
  225. ‎ال
  226. ‎مر
  227. ‎ال
  228. ‎ل
  229. ‎ما
  230. ‎لت
  231. ‎ر
  232. ‎ا
  233. ‎ا
  234. ‎ال
  235. ‎مر
  236. ‎لل
  237. ‎ر
  238. ‎ل
  239. ‎م
  240. ‎ا
  241. ‎ا
  242. ‎ام
  243. ‎ا
  244. ‎ال
  245. ‎ا
  246. ‎ت
  247. ‎ر
  248. ‎ل
  249. ‎ال
  250. ‎م
  251. ‎ال
  252. ‎ل
  253. ‎ل
  254. ‎ال
  255. ‎ا
  256. ‎ا
  257. ‎ممت
  258. ‎ل
  259. ‎ال
  260. ‎لم
  261. ‎لت
  262. ‎ا
  263. ‎ال
  264. ‎ا
  265. ‎ل
  266. ‎ا
  267. ‎ل
  268. ‎ا
  269. ‎ال
  270. ‎را
  271. ‎ل
  272. ‎م
  273. ‎ت
  274. ‎م
  275. ‎ر
  276. ‎م
  277. ‎الل
  278. ‎ل
  279. ‎ما
  280. ‎الل
  281. ‎ا
  282. ‎ت
  283. ‎ا
  284. ‎ت
  285. ‎ما
  286. ‎ر
  287. ‎ت
  288. ‎ما
  289. ‎الا
  290. ‎ت
  291. ‎ا
  292. ‎ال
  293. ‎ا
  294. ‎ت
  295. ‎ت
  296. ‎م
  297. ‎م
  298. ‎ما
  299. ‎ل
  300. ‎ال
  301. ‎ا
  302. ‎ال
  303. ‎ال
  304. ‎ا
  305. ‎را
  306. ‎الت
  307. ‎ل
  308. ‎ال
  309. ‎ت
  310. ‎الإمارات
  311. ‎ل
  312. ‎ا
  313. ‎م
  314. ‎ا
  315. ‎للت
  316. ‎الامت
  317. ‎ا
  318. ‎لت
  319. ‎م
  320. ‎ا
  321. ‎ل
  322. ‎ا
  323. ‎ما
  324. ‎ل
  325. ‎ما
  326. ‎ت
  327. ‎ا
  328. ‎ر
  329. ‎ل
  330. ‎ل
  331. ‎ل
  332. ‎ل
  333. ‎الإمارات
  334. ‎م
  335. ‎ال
  336. ‎ل
  337. ‎ا
  338. ‎ال
  339. ‎ل
  340. ‎ل
  341. ‎ا
  342. ‎ال
  343. ‎الم
  344. ‎الت
  345. ‎ت
  346. ‎م
  347. ‎ا
  348. ‎ا
  349. ‎ت
  350. ‎ا
  351. ‎ا
  352. ‎إ
  353. ‎ار
  354. ‎الإ
  355. ‎ت
  356. ‎ا
  357. ‎ال
  358. ‎الم
  359. ‎ال
  360. ‎ال
  361. ‎ام
  362. ‎ال
  363. ‎لا
  364. ‎ال
  365. ‎ر
  366. ‎لال
  367. ‎ل
  368. ‎ال
  369. ‎لا
  370. ‎ات
  371. ‎المت
  372. ‎ر
  373. ‎ا
  374. ‎ما
  375. ‎ر
  376. ‎ل
  377. ‎ات
  378. ‎ت
  379. ‎م
  380. ‎ل
  381. ‎ر
  382. ‎ل
  383. ‎م
  384. ‎ت
  385. ‎ت
  386. ‎تل
  387. ‎الرمال
  388. ‎ر
  389. ‎ما
  390. ‎ا
  391. ‎ل
  392. ‎م
  393. ‎ا
  394. ‎لل
  395. ‎ال
  396. ‎ر
  397. ‎ال
  398. ‎إل
  399. ‎م
  400. ‎ل
  401. ‎ت
  402. ‎ال
  403. ‎ر
  404. ‎م
  405. ‎ا
  406. ‎م
  407. ‎لا
  408. ‎ل
  409. ‎م
  410. ‎الإ
  411. ‎رار
  412. ‎ا
  413. ‎م
  414. ‎ال
  415. ‎ال
  416. ‎ال
  417. ‎ر
  418. ‎ال
  419. ‎ام
  420. ‎الما
  421. ‎ررت
  422. ‎را
  423. ‎ل

It appears to matching exactly what you said for it to match.

Adding \b to match \b[الإمارات]+\b matches these 242 times:

  1. ‎تدرك
  2. ‎الإمارات
  3. ‎العربية
  4. ‎المتحدة
  5. ‎الدولة
  6. ‎التي
  7. ‎لم
  8. ‎أربعة
  9. ‎على
  10. ‎تأسيسها
  11. ‎الدور
  12. ‎الذي
  13. ‎تؤديه
  14. ‎الجاليات
  15. ‎الوافدة
  16. ‎إنجازاتها
  17. ‎الهائلة
  18. ‎لكن
  19. ‎اليوم
  20. ‎بعدما
  21. ‎بات
  22. ‎لبلادنا
  23. ‎كيانها
  24. ‎الخاص
  25. ‎شبابها
  26. ‎من
  27. ‎الأوسع
  28. ‎علما
  29. ‎وثقافة
  30. ‎العالم
  31. ‎منحهم
  32. ‎فرصا
  33. ‎كبير
  34. ‎منهم
  35. ‎رجالا
  36. ‎من
  37. ‎خيرة
  38. ‎الجامعات
  39. ‎الخارج
  40. ‎وهم
  41. ‎يتحلون
  42. ‎بالإبداع
  43. ‎وروح
  44. ‎المبادرة
  45. ‎والريادة
  46. ‎والطموح
  47. ‎غالبا
  48. ‎ما
  49. ‎بمهاراتهم
  50. ‎وبراعتهم
  51. ‎استخدام
  52. ‎التكنولوجيا
  53. ‎على
  54. ‎الشؤون
  55. ‎العالمية
  56. ‎والأهم
  57. ‎من
  58. ‎ذلك
  59. ‎وطنهم
  60. ‎ويحرصون
  61. ‎على
  62. ‎النهوض
  63. ‎بالدور
  64. ‎المنوط
  65. ‎بهم
  66. ‎للمساهمة
  67. ‎لطالما
  68. ‎أوليت
  69. ‎للأهداف
  70. ‎التي
  71. ‎تسعى
  72. ‎حملة
  73. ‎التوطين
  74. ‎إلى
  75. ‎تحقيقها
  76. ‎عبر
  77. ‎إعطاء
  78. ‎الأولوية
  79. ‎للإماراتيين
  80. ‎المؤهلين
  81. ‎الراغبين
  82. ‎التوظيف
  83. ‎لقد
  84. ‎علي
  85. ‎أولد
  86. ‎وأشعر
  87. ‎بالفخر
  88. ‎والاعتزاز
  89. ‎لأن
  90. ‎شركاتي
  91. ‎ساهمت
  92. ‎الإمارات
  93. ‎ولا
  94. ‎سيما
  95. ‎قطاعات
  96. ‎الضيافة
  97. ‎والعقارات
  98. ‎والإنشاءات
  99. ‎والسيارات
  100. ‎والتعليم
  101. ‎أفتخر
  102. ‎أعتبر
  103. ‎من
  104. ‎الجيل
  105. ‎الذي
  106. ‎المشقات
  107. ‎تلك
  108. ‎الأيام
  109. ‎عندما
  110. ‎كانت
  111. ‎مدننا
  112. ‎الرائعة
  113. ‎قرى
  114. ‎بالكاد
  115. ‎يرد
  116. ‎اسمها
  117. ‎على
  118. ‎الخريطة
  119. ‎ربما
  120. ‎تصديق
  121. ‎الأمر
  122. ‎الآن
  123. ‎لكنني
  124. ‎ما
  125. ‎زلت
  126. ‎أذكر
  127. ‎نعاني
  128. ‎للعثور
  129. ‎على
  130. ‎مياه
  131. ‎كان
  132. ‎نظامنا
  133. ‎الغذائي
  134. ‎يقتصر
  135. ‎على
  136. ‎السمك
  137. ‎والبلح
  138. ‎وحليب
  139. ‎الناقة
  140. ‎وأنا
  141. ‎على
  142. ‎الخصوص
  143. ‎دولتنا
  144. ‎الشيخ
  145. ‎زايد
  146. ‎سلطان
  147. ‎آل
  148. ‎نهيان
  149. ‎والشيخ
  150. ‎راشد
  151. ‎آل
  152. ‎مكتوم
  153. ‎رحمة
  154. ‎الله
  155. ‎عليهما
  156. ‎اللذين
  157. ‎كانت
  158. ‎قيادتهما
  159. ‎ورؤيتهما
  160. ‎الاستثنائية
  161. ‎الثابتة
  162. ‎وتصميمهما
  163. ‎على
  164. ‎النجاح
  165. ‎الدافعة
  166. ‎وراء
  167. ‎الذي
  168. ‎شهدته
  169. ‎الإمارات
  170. ‎لقد
  171. ‎وضعا
  172. ‎معا
  173. ‎والامتياز
  174. ‎يلتزم
  175. ‎بها
  176. ‎خلفاؤهما
  177. ‎بكل
  178. ‎أمانة
  179. ‎وتفان
  180. ‎وخير
  181. ‎دليل
  182. ‎على
  183. ‎ذلك
  184. ‎الإمارات
  185. ‎من
  186. ‎البلدان
  187. ‎القليلة
  188. ‎جدا
  189. ‎العالم
  190. ‎التي
  191. ‎تشهد
  192. ‎نموا
  193. ‎اقتصاديا
  194. ‎إنهيار
  195. ‎الإقتصاد
  196. ‎العالمي
  197. ‎الذي
  198. ‎العام
  199. ‎والذي
  200. ‎لا
  201. ‎زال
  202. ‎يرخي
  203. ‎بظلاله
  204. ‎على
  205. ‎الولايات
  206. ‎المتحدة
  207. ‎وأوروبا
  208. ‎وأماكن
  209. ‎أخرى
  210. ‎قبل
  211. ‎سنوات
  212. ‎توقع
  213. ‎معلقون
  214. ‎غربيون
  215. ‎بلهجة
  216. ‎منتشية
  217. ‎تبتلع
  218. ‎الرمال
  219. ‎ربما
  220. ‎كان
  221. ‎ذلك
  222. ‎مدعاة
  223. ‎للضحك
  224. ‎والسخرية
  225. ‎بالنسبة
  226. ‎إليهم
  227. ‎لكن
  228. ‎حتى
  229. ‎الأكثر
  230. ‎بينهم
  231. ‎لا
  232. ‎له
  233. ‎من
  234. ‎الإقرار
  235. ‎بأننا
  236. ‎من
  237. ‎الآن
  238. ‎الضحكة
  239. ‎الأخيرة
  240. ‎العام
  241. ‎الماضي
  242. ‎ل

There are some primitive systems that do not work correctly with Unicode (I’m looking at you, Javascript), or only do so by special magic. See UTS #18 Unicode Regular Expressions for what the standard says has to work under what circumstances. The Microsoft docs for C# suggest that \b should work for you.

tchrist
  • 78,834
  • 30
  • 123
  • 180
  • it is matching individual characters instead of the entire word..which is what i want...i have tried `\bالإمارات\b` which is working for english words but not for arabic... – seadrag0n Apr 13 '15 at 04:30
  • @seadrag0n Boundaries are working for me. But if you use `\b[الإمارات]+\b` then it will only get words containing **only** those letters and no others. Do you want words than contain **any** of those letters instead plus any other letters around them, so `\b\pL*[الإمارات]\pL*\b`? The latter regex produces 242 matches. – tchrist Apr 13 '15 at 04:41
  • I need to match words that contain only those letters...i have tried `(الإمارات)\s[^\s]+\s[^\s]+` in c# and it matching the word `الإمارات` ending with a space but it is not matching if that word ends with any other character like a full stop . Example: `الإمارات،` – seadrag0n Apr 13 '15 at 04:47
  • Well, `\b[الإمارات]+\b` works perfectly fine in Perl-based regex systems, since they actually understand Unicode. No promises about anything on Microsoft, though. They probably don’t understand `\b` correctly. – tchrist Apr 13 '15 at 04:51
  • @seadrag0n [This comment](http://stackoverflow.com/questions/2538201/regex-not-matching-unicode#comment2541862_2538375) suggests it should work for you, too. But perhaps Microsoft is broken. – tchrist Apr 13 '15 at 04:59
  • \b[الإمارات]+\b is working fine in c# for single Arabic words but now I am facing issue in matching multiple Arabic words...for example matching `اقتصاديا بعد` words are returning multiple matches...any way to fix this with \b[]+\b regex? – seadrag0n Apr 13 '15 at 05:02
  • @seadrag0n To match any of a set of words, use `\b(?:word1|word2|word3|word4)\b` etc. You get the idea. But if you want multiple space-separated hits, you might want to bundle them up with something like `\b(?:[ لإمارات]+\b\s*)+`. I suggest practicing on stuff in the Latin script — regular English — first to get a feel for how to do this. – tchrist Apr 13 '15 at 05:12