Question

我正在尝试使用javascript的正则表达式从文本中获取单词但是收缩应该被视为单个单词：“不能”应该保持“不能”而不是“可以”和“t”。

我试过了：

var text = "I'd like to make it work."
var words = text.match(/\w+/g);

但它在“我”中无效。

如何将单引号作为单个单词处理，而不是两个单词？

Answer 1

另一种方法是做一个否定的比赛。您可以在字符类中添加不想匹配的内容。字符类^内的插入符[]被认为是否定操作符。

var text = "I'd like to make it work."
var words = text.match(/[^\s?!.]+/g);
console.log(words); // => [ 'I'd', 'like', 'to', 'make', 'it', 'work' ]

正则表达式：

[^\s?!.]+     any character except: whitespace (\n, \r, \t, \f, and " "), 
              '?', '!', '.' (1 or more times)

Answer 2

var text = "I'd like to make it work."
var words = text.split(' ');

返回[“我”，“喜欢”，“转”，“制造”，“它”，“工作”。]

<强> EDITED

对不起，ChiChou的评论是正确的

var words = text.match(/[A-Za-z0-9_\']+/g);

它的工作方式与预期相同

Answer 3

如果要匹配域和其他类似于点的对象，而不是连字符分隔符，则可以按如下方式修改@ hwnd的解决方案：

text.match(/[^*"\s?!\(\)]*[^*"\s?!.,\(\)]/g);

句点（例如，在句子末尾）不会包含在单词中，但像stackoverflow.com这样包含其中的点的字词将作为单个单词返回。

自动忽略双引号。单引号也可以被忽略，但只是失去了识别像'Tis（如'如此甜蜜以至于信任耶稣...... ）或像学生'这样的所有权等词语的能力/ em>的。完美地解析所有单词需要在正则表达式的能力之外进行一些理解，但是在大多数情况下，这些解决方案中的任何一个都能很好地完成工作。

以下正则表达式对英语更有效，除非JavaScript不支持\w的语言环境，我会小心在任何可能的国际化语境中使用它。

/[^\s!"<>\(\)\[\]\{\}?`]*[\w']/g

（例如，它正确识别此答案中的每个单词，除了“eg”，它错误地认为尾随.是一个句点并忽略它。）

这个最终的RE也适用于任何语言：

[^\s!"<>\(\)\[\]\{\}?`]*[^\s!"<>\(\)\[\]\{\}?`.,:]

Answer 4

尝试以下正则表达式：

/[\w']*[^\d\W]/g

将文本拆分为单词而忽略单引号

4 个答案: