正則表達式能否匹配引號外的所有單詞？

Question

我最近爲我點燃的課程輸入了一篇文章，而且我的老師明確提出了一個字數限制，其中不包括引用片段。我想，爲什麼不製作一個能爲你計算的腳本？當然，我可以通過閱讀全文並忽略引號內的單詞來完成這種無聊的方式，但我有一種感覺，使用正則表達式和Array.count有一個更好的方法。正如我對Regex幾乎一無所知，有人能幫助我/告訴我，Regex是不可能的嗎？

Tl; dr：使用正則表達式匹配文本引號外的所有單詞（或空格，無關緊要），並對結果數組中的項目進行計數。

Answer 1

這是很容易的使用（當然或Perl）PCRE：

".*?"(*SKIP)(?!)|(?<!\w)'.*?'(?!\w)(*SKIP)(?!)|[\w']+ 

如果要處理多行引號，請使用g修飾符和s。

Demo

這裏的x版本可讀性：

".*?"    (*SKIP)(?!) 
| (?<!\w)'.*?'(?!\w) (*SKIP)(?!) 
| [\w]+ 

，第一部分將匹配裏面的一切"或'報價，並會丟棄它（(*SKIP)(?!)）。第二部分將匹配所有單詞（我在本例中包含'作爲單詞的一部分）。 '字符只會在開始/結束時被計爲報價邊界，以便讓您使用諸如之類的內容，而不是。

的修改：

• 計數文本不爲兩個詞，與\w+更換[\w']+。
• 要計算像婆婆這樣的文字作爲一個單詞而不是3個，請將[\w']+替換爲[-\w']+。

你明白了吧;）

下面是一個使用這個表達式一個完整的Perl腳本：

#!/usr/bin/env perl 
use strict; 
use warnings; 

$_ = do { local $/; <> }; 
print scalar (() = /".*?"(*SKIP)(?!)|(?<!\w)'.*?'(?!\w)(*SKIP)(?!)|[\w']+/gs), "\n"; 

執行它傳遞一個文件或包含文本STDIN要算單詞輸入，它將輸出STDOUT上的字數。

Answer 2

這將更好地工作是這樣的：

字符總數 - 總和（引號內文字）

您可以使用此正則表達式來查找所有「援引」字符串：\「[^」] * \「

Answer 3

一般的解決方案會非常困難，因爲有些作品會有多段引號，第一段不會關閉引號，但第二段用引號打開。 - 全範圍將很難

另一方面，你也許可以逐段落，併爲每個段落累積一個非引號字數。當然，仍然會存在一些可能導致這種情況的pathalogical案例（比如一個包含標點符號列表的段落，包括引號）。

在Perl，假設getWordCount子存在於某個地方，並假設你已經在某種程度上分裂您的文檔成段的一個數組叫@paragraphs，這可能是這樣的：根據要求

my $wordCount = 0; 
foreach my $paragraph (@paragraphs) { 
    $paragraph =~ s/\".*?\"/g; # remove all quotation marks which have a matching quotation mark 
    $paragraph =~ s/\".*$/g; # remove quotation marks which go to the end of the paragraph 
    $wordCount += getWordCount($paragraph); 
} 
print "There are $wordCount words outside of quotations, maybe!"; 

Answer 4

，可以使用The Greatest Regex Trick Ever

"[^"]*"|(\w+) 

和COUNT第一capture group的比賽。

\w+匹配一個或多個單詞字符。

見test at regex101.com

---

而且跳過單引號字符串：

"[^"]*"|'[^']*'|(\w+) 

test at regex101