用于获取包括连字符在内的各种令牌的正则表达式

Question

我想将一个句子分成单词和特殊字符。我正在使用下面的正则表达式：

@"((\b[^\s]+\b)((?<=\.\w).)?)

但它只返回单词而不返回特殊字符，例如以空格分隔的连字符或冒号。

理想情况下，对于句子：

  

“现在！”她喊道，双手在空中飘扬 - 在几声欢呼声中 - 因为   大约两分钟。

我应该得到：

Right
now
she
shouted
and
hands
fluttered
in
the
air
-
amid
a
few
cheers
-
for
about
two
minutes

Answer 1

听起来像this regex会做你正在寻找的事情：

@"\b\s?([A-Za-z-]+)\s?\b"

对于你一直尝试的正则表达式来说似乎有点太简单了！还有更多的东西吗？

Answer 2

也许用这样的模式分裂：

@"\s+(?:\p{P}(?!\s))?|\b\p{P}+\s*"

Answer 3

万一你想要一个非正则表达式从句子中删除标点符号并仍然保持夸大其词：

import string
s = '"Right now!" she shouted, and hands fluttered in the air - amid a few cheers - for about two minutes.'
x = "".join([c for c in s if c =="-" or c not in string.punctuation])

输出：

'Right now she shouted and hands fluttered in the air - amid a few cheers - for about two minutes'

只需使用x.split()将其标记为您想要的输出。