通過小說文本解析的正則表達式

Question

我試圖從包含小說文本的文件讀取。我想閱讀每一個連續的單詞，但當然小說中有標點符號這一事實使得這很困難。

我需要閱讀小說中的單詞，所以忽略「，」「！」等字符。和「？」，但我需要包含某些非字母字符，例如實際上是字的一部分的撇號。

我不是偉大的正則表達式，但我的感覺是，這個正則表達式只有抓住字符，但不佔撇號：

[^A-Za-z]+ 

誰能幫我弄一個正則表達式將被劃字，忽略標點符號，但保留撇號和其他字符構成單詞的一部分？

Answer 1

只需包含要包含在[]括號內的其他特殊字符。有些角色可能需要轉義。我已經包含撇號，你在下面：

/([^A-Za-z']+)/ 

Answer 2

你的模式應該是這個樣子：

\b[a-zA-Z]+[\']*[a-zA-Z]*\b

它佔了字邊界，並允許1撇號。其他特殊字符可放入第二組方括號中。