在使用正则表达式进行标记时区分引号和撇号

Question

有一些文字，我想在文字上正确地标记它。在文中可能会出现：

• 中间带撇号的单词（不能，我会，会计师的书）
• 最后用撇号的话（雇主协会，我花了大部分时间来替换'破碎的一部分）
• 引用，直接留在单词后面或单词之间：word'word
• 文本在句子上被分割，但引用中可以有很多句子，带有apostroph的单词也可以保留在引用中
• qutes的不同符号，例如'''用于打开和关闭，或者一个是'other is`或'等......

你有什么建议来解决它？ 它是否可以用正则表达式解决（例如Python？ 我想要撇号的单词不要拆分和引用从单词标记中拆分

Parcing commont text，Ring.txt的团契例如有点棘手：

• 输入：几乎没有'政府'。 输出：[“有”，“难”，“任何”，“'”，“政府”，“'”]（被认可为报价）

• 一个相当大的身体，根据需要变化，被用来“击败界限” 是一个引用，但由于结束s'

而很棘手

• '这不自然，而且会有麻烦！'引号内的撇号

• '精灵和龙'我跟他说。是一个引用，怎么样，再一次。

Answer 1

我的建议是尝试打破你的案件。如果你想用单词分开（意思是一个单词在两端都有空格），那么一个简单的split就可以完成它的工作。

>>> my_str = "words like that'"
>>> my_str.split(' ')
['words', 'like', "that'"]
>>>

如果它更复杂，正则表达式似乎是一个更好的主意。您可以使用(a|b)，意思是匹配a或b 。我的建议是尝试更多，实验的最佳地点在这里：regex101.com。为了让事情变得更清楚，请选择Python＆＃39;在左侧面板中！