Question

我试图用正则表达式获得句子中的所有单词，但只有[a-zA-Z]的单词。因此，对于“我是男孩”，我想要{“我”，“我”，“一个”，“男孩”} 但是对于“我a1m a b * y”，我想要{“I”，“a”}因为“a1m”和“b * y”包括[a-zA-Z]以外的字符。

所以对我说话，我正试图检查

如果它在字符串的开头，那么我只检查字后面是否有空格
否则
如果这是最后一个单词，那么检查单词前面是否有空格。

所以我在Java中得到了类似的东西：

Pattern p = Pattern.compile("^[a-zA-Z]+ |^[a-zA-Z]+$| [a-zA-Z]+$| [a-zA-Z]+");
Matcher m = p.matcher("i am good");
while(m.find()) System.out.println(m.group());

但是，我只能得到“我”和“好”。因为当我得到“我”时，“i”之后有一个空格。所以剩下的字符串是“很好” 由于“ am ”不在字符串的开头，也没有在单词之前有空格，因此不会返回。

你们可以提供任何反馈意见吗？有没有办法只是偷看下一个角色而不是返回空间？

Answer 1

假设您的正则表达式引擎支持前瞻/后瞻断言，您可以使用以下内容：

(^|(?<= )[a-zA-Z]+($|(?= ))

以下是每个组件的详细说明：

(^|(?<= ))：这说“如果一个词从这里开始，我们就会感兴趣”。具体来说，
^：匹配行的开头或
(?<= )：匹配任何以空格开头的点，而不实际占用空间本身。这被称为积极的外观断言。

[a-zA-Z]+：这应该是显而易见的，但它匹配任何连续的ASCII字母字符。

($|(?= ))：这说“如果这个词在这里完成，我们就完成了”。具体来说，
$：匹配行的结尾，或者 (?= )：匹配任何后跟空格的点，而不实际占用空间本身。这被称为积极的先行断言。

请注意，如果单词后跟标点符号，则此特定正则表达式不会将单词计为单词。这实际上可能不是你想要的，但你描述了检查空格，这就是正则表达式所做的。如果你想支持简单标点符号后面的单词，你可以修改最后一个原子

($|(?=[ .,!?]))

如果后跟空格，句号，逗号，感叹号或问号，则匹配该单词。如果你愿意，你也可以更精细。

Answer 2

您可以使用更简单的模式，例如\b[A-Za-z]+\b吗？（\ b元字符将单词字符（例如字母）与非单词字符（例如空格和标点符号）分开。）

代码

Pattern p = Pattern.compile("\\b[A-Za-z]+\\b");
Matcher m = p.matcher("i am good");
while(m.find()) System.out.println(m.group());

制作{“i”，“am”，“good”}。

修改正如math.coffee评论的那样，上面的失败。表达式

(?<=^|\s)[A-Za-z]+(?=\W*(?:\s*$|\s))

可能会更好。对于字符串I a1m a b*y boy am is!! or，匹配产生“I”，“a”，“boy”，“am”，“is”，“or”。

如果在上一个表达式中“是!!”应该忽略，可以使用表达式(?<=^|\s)[A-Za-z]+(?=$|\s)。在前面的示例中，它不返回“is”但返回其他单词（I，a，boy，am或）。

Answer 3

如果您不想使用Kevin Ballard建议的内容，这只是一个注释。您可以将字符串分解为标记，然后从那里检查每个标记以确保它仅包含[a-zA-Z]。

要将其分解为代币，请执行以下操作：

String message="The text of the message to be scanned.";
StringTokenizer st=new StringTokenizer(message);
while (st.hasMoreTokens())
    {
      checkWord(st.nextToken()); 
       idx++;
    }

然后你会编写一个函数来检查该标记是否由[a-zA-Z]组成。由于没有空白处理空间，我认为你会发现处理这些令牌而不是完整的字符串要容易得多。

祝你好运。

使用正则表达式从句子中找到[a-zA-Z]的单词

3 个答案: