用正則表達式從一個句子找到單詞[a-zA-Z]

Question

我試圖用正則表達式得到所有的單詞，但只有[a-zA-Z]。 因此，對於「我是男孩」，我希望{「我」，「我」，「一」，「男孩」} ，但對於「我a1m ab * y」，我想{「我」，「a」}因爲「a1m」和「b * y」包含[a-zA-Z]以外的字符。

所以，我得到的話，我想檢查

1. ，如果它是在字符串的開頭，然後如果有字
2. 否則以後空間有一個空間，我只檢查前，在單詞
3. 之後，如果它是最後一個單詞，那麼檢查單詞前是否有空格。

所以我結束了在Java中是這樣的：

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()); 

不過，我只得到 「我」 和 「好」。 因爲當我得到「我」時，「我」之後有一個空格。 所以剩下的字符串是「很好」「 由於」am「不在字符串的開頭，它也沒有返回。

你們可以提供任何意見嗎？ 有沒有辦法只偷看下一個角色，而不是返回空間？

Answer 1

假設你的正則表達式引擎支持前瞻/向後斷言，您可以使用類似以下內容：

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

---

這裏的每個部件做什麼的簡短描述：

(^|(?<=))：這是說「如果一句話從這裏開始，我們感興趣」。具體而言，
    ^：匹配行的開頭，或
    (?<=)：匹配，其由前面空間的任何點，而無需實際消耗空間本身。這被稱爲積極向後看斷言。

[a-zA-Z]+：這應該是顯而易見的，但它匹配任何連續的ASCII字母字符的運行。

($|(?=))：這說「如果這個詞在這裏完成，我們就完成了」。具體而言，
    $：匹配行的末尾，或
    (?=)：匹配後跟一個空格的任何點，而無需實際消耗空間本身。這被稱爲積極的前瞻斷言。

---

請注意，這個特定的正則表達式不會將單詞作爲單詞計數，如果它跟隨標點符號。這實際上可能不是你想要的，但你描述了檢查空間，所以這正是正則表達式所做的。如果你想支持之後是簡單的標點符號的話，你可能會修改，去年原子是

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

，如果它的後面有一個空格，句號，逗號，感嘆號或問號將匹配的單詞。如果你願意，你也可以更加細緻。

Answer 2

這只是一個說明，如果你不想使用像凱文巴拉德建議的東西。您可以將字符串分解爲令牌，然後您可以檢查每個令牌以確保它僅包含[a-zA-Z]。

要打破它爲標記，做這樣的事情：

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

然後您可以編寫一個函數來檢查，如果該令牌是由[A-ZA-Z]的。由於沒有空白處理，我認爲你會發現處理這些令牌要容易得多，而不是整個字符串。

祝你好運。

Answer 3

您可以使用簡單的模式，例如\b[A-Za-z]+\b嗎？ （該\ b元字符分隔非單詞字符（例如，空格和標點字字符（例如，字母）。））

代碼

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

主要生產{ 「我」， 「上午」，「好「}。

編輯 當mathematical.coffee發表評論時，上述失敗。表達式

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

可能會更好。對於字符串I a1m a b*y boy am is!! or，匹配產生「我」，「a」，「男孩」，「上午」，「是」，「或」。

如果在前面的表達「是!!」應該被忽略，可以使用表達式(?<=^|\s)[A-Za-z]+(?=$|\s)代替。在前面的例子中，它不返回「is」，而是返回其他單詞（I，a，boy，am或者）。