用于分隔符的正则表达式，数字除外

Question

使用C＃的Regex.Split，我有一个在单词之间找到分隔符的正则表达式：

[\b\s\p{P}]+

在“示例文字。另一个：字”上工作，并生成：示例 | 文字 | 另一个 |的字即可。太好了！
在“单词120,000另一个单词”上，它会产生：单词 | 120 | 000 | 另一个 |的字即可。不是很好！

如何更改正则表达式以使数字内的逗号不匹配？即， 120,000 不会破坏？

Answer 1

我相信你会发现，随着额外要求的出现，使用Regex.Split这样做只会变得更加复杂。您可能会发现最好使用Regex.Match来反向（识别“整个单词”而不是逻辑“单词边界”）。

原因如下：

((?<=\p{L})\p{P}(?=\p{L}))|(\p{Z}|(?<=[\p{Z}\p{P}])\p{P}|\p{P}(?=[\p{Z}\p{P}]))+

不漂亮，所以我们来解释一下。首先，我已将\s替换为\p{Z}类（可见/不可见的空格），因为为什么不呢。其次，这个正则表达式匹配四个不同的东西：

＃1：(?<=\p{L})\p{P}(?=\p{L})

这匹配夹在字母之间的标点符号。需要与:中的another:word匹配。它也是+量词不适用的唯一子模式（没有意义）。正面外观用于断言字母的存在，但避免匹配它们。

＃2：\p{Z}

这匹配一个空格序列。所有这些序列都会导致分裂。

＃3：(?<=[\p{Z}\p{P}])\p{P}

这匹配标点符号，前面带有标点符号或空格以外的任何内容，使用正向lookbehind。

＃4：\p{P}(?=[\p{Z}\p{P}])

这与上述相反：它匹配标点符号，后跟标点符号或空格以外的任何内容。

由于100,000中的逗号与上述任何一个都不匹配，因此此正则表达式不会拆分该标记。但是你可以看到它的发展方向：不是指定你想要的符号作为一个标记保存在一起，而是使用Regex.Split，你必须指定......其他所有。

Answer 2

试试这个：

(([\s\p{P}](?!\d))|((?<!\d)[\s\p{P}]))+

上半场

 ([\s\p{P}](?!\d)) 

匹配任何未跟随数字的分隔符和第二个分隔符 - 任何分隔符，不跟随数字。