Question

请帮助我们从以下句子中提取单词：

从那以后，他一直领导着美国以政府为中心的管理工作，从而完成了对该地区的任务。

我们怎能拥有：

He's 
led 
U.S. 
efforts 
for 
government-centered
management 
ever 
since
resulting 
in 
the  
missions 
to 
the 
area

非常感谢你。

编辑和评论：

我们感谢所有人的帮助。

Answer 1

您将很难区分etc.和area.（或者，例如，U.S.和area.。还要考虑像“他曾在美国做过多次努力”，你不会在一句话结束时把这段时间加倍。你得到的最好的就是接近。

Answer 2

根据您正在使用的正则表达式风格，您可以使用以下内容：

/\b(\S+[^,.])\b/

作为替代方法，您可以使用Unicode代码点[^,.]替换\P{P}。

修改

一个更简单的表达式适用于单词级别，但它将匹配U.S而不是U.S.：

/\w\S+\w/

Answer 3

对于U.S.，您需要在正则表达式中指定该裸字。所以你的正则表达式将是：

\s?(U\.S\.|.*?)[., ]

这对我有用。

Answer 4

在您的情况下，您可以拆分正则表达式

(?:(?<![A-Z])\.|,)?(\s+|$)

这在空格上分割，可选地以点/逗号开头（但只有在前面没有大写ASCII字母的情况下才在点上）。

它会在像etc.这样的边缘情况下失败，所以如果你有一个列表，如果正则表达式引擎支持lookbehinds中的变量重复，你可以将它们用于正则表达式。你在用哪一个？

电子。 G。

(?:(?<![A-Z]|\betc|\bca|\bapprox)\.|,)?(\s+|$)

会拆分

He's led U.S. efforts for management, resulting in approx. 3 times the missions to the area, etc.

到

He's
led
U.S.
efforts
for
management
resulting
in
approx.
3
times
the
missions
to
the
area
etc.

<强>解释

(?:          # match either...
 (?<![A-Z]   # (as long as not preceded by A-Z
  |\betc     # or etc
  |\bca      # or ca
  |\bapprox  # or approx
 )           # ...)
 \.          # a dot
 |           # or
 ,           # a comma
)?           # if present.
(\s+|$)      # then either match whitespace or the end of the string.

如何在正则表达式中编写此模式？

4 个答案: