如何用正则表达式将句子拆分为单词？

Question

“她真好！” -> [“ she”，“'”，“ s”，“ so”，“ nice”，“！”]我想这样分割句子！ 所以我写了代码，但是它包含空格！ 如何仅使用正则表达式制作代码？

        words = re.findall('\W+|\w+')

-> [“ she”，“'”，“ s”，“”，“ so”，“”，“ nice”，“！”]

        words = [word for word in words if not word.isspace()]

Answer 1

正则表达式 ： [A-Za-z]+|[^A-Za-z ]

在[^A-Za-z ]添加您不想匹配的字符。

细节：

• []匹配列表中存在的单个字符
• [^]匹配列表中不存在的单个字符
• +无限次匹配
• | 要么

Python代码 ：

text = "She's so nice!"
matches = re.findall(r'[A-Za-z]+|[^A-Za-z ]', text)

输出：

['She', "'", 's', 'so', 'nice', '!']

代码演示

Answer 2

Python的re模块不允许您拆分零宽度的断言。 您可以改用python的pypi regex包 （确保您指定使用版本1，该版本可以正确处理零宽度匹配）。

在这里查看正在使用的代码

import regex

s = "She's so nice!"
x = regex.split(r"\s+|\b(?!^|$)", s, flags=regex.VERSION1)

print(x)

输出： ['She', "'", 's', 'so', 'nice', '!']

• \\s+|\\b(?!^|$)匹配以下任一选项
  • \\s+匹配一个或多个空格字符
  • \\b(?!^|$)位置为单词边界，但不在行的开头或结尾