连字符混合词的正则表达式

Question

我可以使用string.split("\\\\W+")使单词仅包含字符。

然而：

1. 我不想将诸如“ re-use”之类的单词分解为“ re”和“ use” 。
   还有带有多个连字符的“偏僻”之类的词。

2. 我想将“ and--oh”分解为“ and”和“ oh” 。

我怎么可能实现呢？

Answer 1

试试这个正则表达式：

string.split("[^\\w\\-]+|--+")

Answer 2

您可以先将连续的连字符替换为特殊字符，然后再进行简单的正则表达式拆分。

请参考下面的代码。

public class Test {
    public static void main(String args[]){
        String str = "This is^^some@@words-apple-banana--orange";
        str = str.replaceAll("[-]{2,}", "@");
        System.out.println(str);
        String regex = "[^\\w-]+";
        String arr[] = str.split(regex);
        for(String item:arr){
            System.out.println(item);
        }
    }
}

结果是：

This are^^some@@words-apple-banana@orange
This
are
some
words-apple-banana
orange