Question

我有一些随机字符串，例如：Hello, my name is john.。我希望将该字符串拆分为如下数组：Hello, ,, , my, name, is, john, .,。我试过了str.split(/[^\w\s]|_/g)，但似乎没有用。有什么想法吗？

Answer 1

在任何非单词字符的运行上拆分str。不是A-Z，0-9和下划线。

var words=str.split(/\W+/);  // assumes str does not begin nor end with whitespace

或者，假设您的目标语言是英语，您可以使用以下命令从字符串中提取所有语义有用的值（即“标记”字符串）：

var str='Here\'s a (good, bad, indifferent, ...) '+
        'example sentence to be used in this test '+
        'of English language "token-extraction".',

    punct='\\['+ '\\!'+ '\\"'+ '\\#'+ '\\$'+   // since javascript does not
          '\\%'+ '\\&'+ '\\\''+ '\\('+ '\\)'+  // support POSIX character
          '\\*'+ '\\+'+ '\\,'+ '\\\\'+ '\\-'+  // classes, we'll need our
          '\\.'+ '\\/'+ '\\:'+ '\\;'+ '\\<'+   // own version of [:punct:]
          '\\='+ '\\>'+ '\\?'+ '\\@'+ '\\['+
          '\\]'+ '\\^'+ '\\_'+ '\\`'+ '\\{'+
          '\\|'+ '\\}'+ '\\~'+ '\\]',

    re=new RegExp(     // tokenizer
       '\\s*'+            // discard possible leading whitespace
       '('+               // start capture group
         '\\.{3}'+            // ellipsis (must appear before punct)
       '|'+               // alternator
         '\\w+\\-\\w+'+       // hyphenated words (must appear before punct)
       '|'+               // alternator
         '\\w+\'(?:\\w+)?'+   // compound words (must appear before punct)
       '|'+               // alternator
         '\\w+'+              // other words
       '|'+               // alternator
         '['+punct+']'+        // punct
       ')'                // end capture group
     );

// grep(ary[,filt]) - filters an array
//   note: could use jQuery.grep() instead
// @param {Array}    ary    array of members to filter
// @param {Function} filt   function to test truthiness of member,
//   if omitted, "function(member){ if(member) return member; }" is assumed
// @returns {Array}  all members of ary where result of filter is truthy
function grep(ary,filt) {
  var result=[];
  for(var i=0,len=ary.length;i++<len;) {
    var member=ary[i]||'';
    if(filt && (typeof filt === 'Function') ? filt(member) : member) {
      result.push(member);
    }
  }
  return result;
}

var tokens=grep( str.split(re) );   // note: filter function omitted 
                                     //       since all we need to test 
                                     //       for is truthiness

产生：


tokens=[ 
  'Here\'s',
  'a',
  '(',
  'good',
  ',',
  'bad',
  ',',
  'indifferent',
  ',',
  '...',
  ')',
  'example',
  'sentence',
  'to',
  'be',
  'used',
  'in',
  'this',
  'test',
  'of',
  'English',
  'language',
  '"',
  'token-extraction',
  '"',
  '.'
]

修改

也可以Github Gist

的形式提供

Answer 2

试试这个（我不确定这是不是你想要的）：

str.replace(/[^\w\s]|_/g, function ($1) { return ' ' + $1 + ' ';}).replace(/[ ]+/g, ' ').split(' ');

http://jsfiddle.net/zNHJW/3/

Answer 3

尝试：

str.split(/([_\W])/)

这将由任何非字母数字字符（\W）和任何下划线分开。它使用捕获括号来包含在最终结果中拆分的项目。

Answer 4

这个解决方案给我带来了空间挑战（仍需要它们），然后我给了*** FAIL: test_cases/q5/corner_tiny_corner.test *** Corners missed: [(1, 1), (1, 6), (6, 1), (6, 6)] *** Tests failed.一个镜头，一切都很好。数组中输出的空格不容忽视，标点符号后留下的空格可以被删除。

你如何用空格和标点符号分割javascript字符串？

4 个答案: