獲取包括連字符在內的各種令牌的正則表達式

我想將句子拆分爲單詞和特殊字符。我使用正則表達式如下：獲取包括連字符在內的各種令牌的正則表達式

@"((\b[^\s]+\b)((?<=\.\w).)?)

但它只返回的話，而不是特殊字符，例如空格分隔的連字符或冒號。

理想的情況下，對於句子：「眼下」

她大聲喊道，雙手在空氣中飄動 - 在幾聲歡呼聲中 - 大約兩分鐘時間裏。

我應該得到：

 
Right 
now 
she 
shouted 
and 
hands 
fluttered 
in 
the 
air 
- 
amid 
a 
few 
cheers 
- 
for 
about 
two 
minutes

來源

2013-07-21 aceBox

'！'在哪裏？ –

不僅僅是單個的令牌，也不是直接與單詞相關的字符。 – aceBox

聽起來this regex會做你要找的內容：

@"\b\s?([A-Za-z-]+)\s?\b"

好像你一直在努力，雖然正則表達式有點太簡單了！還有更多嗎？

來源

2013-07-21 19:58:56 Jerry

這是一場比賽！ Casimir的分裂正則表達式似乎可以解決這個問題（雖然我沒有測試過），但我會在開始時插入一個插入符號，以免得到第一個引號'（？：\ s + | ^）（？：\ p {P} ）（\ S？！）？| \ b \ p {p} + \ S *'。 – Jerry

其實，@「\ b \ s？[A-Za-z-] + \ s？\ b」也會在一些單詞之後呈現空格（在上例中，除'now'，'喊'之外， '空氣'，'乾杯'和'分鐘'）。如何避免這種情況？ – aceBox

它也不會給我冒號和其他空間分隔的charachters。 – aceBox

用這樣的模式或許分裂：

@"\s+(?:\p{P}(?!\s))?|\b\p{P}+\s*"

來源

2013-07-21 20:02:21

以防萬一你想在非正則表達式的方式從句子刪除標點，仍然保持了連字符：

import string 
s = '"Right now!" she shouted, and hands fluttered in the air - amid a few cheers - for about two minutes.' 
x = "".join([c for c in s if c =="-" or c not in string.punctuation])

輸出：

'Right now she shouted and hands fluttered in the air - amid a few cheers - for about two minutes'

只需使用x.split()得到它切分給你所需的輸出。

來源

2013-07-22 06:56:10 alvas

獲取包括連字符在內的各種令牌的正則表達式

回答

相關問題