Question

我有一个Javascript正则表达式，用于对句子中的单词进行标记，如下所示：

/\\[^]|\.+|\w+|[^\w\s]/g

如果像Hello World.那样输入句子，就像上面的正则表达式一样   将其标记为单词：

Hello，World，.

我正在尝试在C＃中转换上述正则表达式，但它无法对其进行分组。我尝试分别从开头和结尾删除/和\g，以使其与.NET正则表达式引擎兼容。但它仍然无效。

以下是我正在尝试的C＃代码：

public static void Main()
{
        string pattern = @"\\[^]|\.+|\w+|[^\w\s]";
        string input = @"hello world.";

        foreach (Match m in Regex.Matches(input, pattern, RegexOptions.ECMAScript))
        {
            Console.WriteLine("'{0}' found at index {1}.", m.Value, m.Index);
        }
}

有人可以帮助我将上述正则表达式转换为C＃吗？

Answer 1

请注意，RegexOptions.ECMAScript只是确保速记字符类（此处为\w和\s）仅匹配ASCII字母，数字和空格。您不能指望此选项“转换”整个模式以在.NET正则表达式库中使用。

这里，在JS regex中使用[^]构造来匹配任何char。您可以将.与RegexOptions.Singleline选项一起使用（然后必须删除RegexOptions.ECMAScript选项）而不是[^]，或者只是使用[\s\S]匹配任何字符：

public static void Main()
{
        string pattern = @"\\.|\.+|\w+|[^\w\s]";
        string input = @"hello world.";

        foreach (Match m in Regex.Matches(input, pattern,  RegexOptions.Singleline))
        {
            Console.WriteLine("'{0}' found at index {1}.", m.Value, m.Index);
        }
}

请参阅C# demo，其输出：

'hello' found at index 0.
'world' found at index 6.
'.' found at index 11.

注意：\w和\s在.NET regex中具有Unicode感知功能，所有Unicode字母都与某些变音符号相匹配。如果您只想处理ASCII，请使用

string pattern = @"\\.|\.+|[A-Za-z0-9_]+|[^A-Za-z0-9_\f\n\r\t\v\u00a0\u1680\u2000-\u200a\u2028\u2029\u202f\u205f\u3000\ufeff]";

更多详情

Word Character: \w
White-Space Character: \s

将Javascript RegEx转换为C＃Regex

1 个答案: