正则表达式（或其他解决方案）获取字符串中的所有单词，包括表情符号和剥离标点符号

Question

例如：

Hello! :)  It's a good day to-day :D  'Aight? <3

它将返回：

1. 你好
2. ：）
3. 这是
4. 一个
5. 好
6. 天
7. 以天
8. ：d
9. 'Aight
10. ＆LT; 3

有人可能认为所有表情符号都是两个字符长......如果它有帮助，也可能只会遇到“转发”表情符号。

没有表情符号的情况是微不足道的，但是与它们一起 - 以及删除其他单词的标点符号 - 有点让我感到沮丧。

除了.split还有一个快速的方法并运行一个块来逻辑检查每个单词吗？

Answer 1

以下正则表达式应该找到任何单词（除了短划线/单引号/下划线之外没有标点符号）或2个字符的表情符号：

\s*(?:([a-zA-Z0-9\-\_\']+)|([\:\;\=\[\]\{\}\(\)\<3dDpP]{2}))\s*

正则表达式解释：

\s*                             # any whitespace
(?:
    ([a-zA-Z0-9\-\_\']+)        # any alpha-numeric character, dashes, underscores, single-quotes
    |
    ([\:\;\=\[\]\{\}\(\)\<3dDpP]{2})    # any 2-punctuation marks commonly found in emoticons, including
                                # the number 3, for the <3 and D for :D
)
\s*                             # any whitespace

Answer 2

它实际上并不是一个正则表达式，而是完成了工作！

"Hello! :)  It's a good day to-day :D  'Aight? <3".split
=> ["Hello!", ":)", "It's", "a", "good", "day", "to-day", ":D", "'Aight?", "<3"]