我有一个nodejs脚本,可以读入文件并计算单词频率。我目前将每一行都输入一个函数:
function getWords(line) {
return line.match(/\b\w+\b/g);
}
几乎所有东西都匹配,除了没有收缩
getWords("I'm") -> {"I", "m"}
但是,我不能只包含撇号,因为我希望匹配的撇号成为字边界:
getWords("hey'there'") -> {"hey", "there"}
是否有办法在将其他撇号视为单词边界时捕捉收缩?
答案 0 :(得分:3)
我相信你能用正则表达式得到的最接近的是line.match(/(?!'.*')\b[\w']+\b/g)
,但请注意,如果单词和'
之间没有空格,它将被视为收缩。
正如Aaron Dufour所提到的那样,正则表达式本身无法知道I'm
是收缩而hey'there
不是。
见下文:
答案 1 :(得分:3)
您可以匹配字母和可能的撇号,后跟字母。
line.match(/[A-Za-z]+('[A-Za-z]+)?/g