Javascript：删除字符串标点符号并拆分成单词？

Question

抱歉，以前是否有人问过这个问题，但是我想从这样的字符串中获取单词数组：

"Exclamation! Question? \"Quotes.\" 'Apostrophe'. Wasn't. 'Couldn't'. \"Didn't\"."

该数组应该看起来像这样：

[
  "exclamation",
  "question",
  "quotes",
  "apostrophe",
  "wasn't"
  "couldn't",
  "didn't"
]

目前，我正在使用此表达式：

sentence.toLowerCase().replace(/[^\w\s]/gi, "").split(" ");

问题是，它去除了诸如“不是”之类的单词中的撇号，将其变成了“不是”。

我不知道如何在这样的词中保留撇号。

任何帮助将不胜感激！

 var sentence = "Exclamation! Question? \\"Quotes.\\" 'Apostrophe'. Wasn't. 'Couldn't'. \\"Didn't\\"."; console.log(sentence.toLowerCase().replace(/[^\\w\\s]/gi, "").split(" ")); 

Answer 1

解决您自己的解决方案将很棘手，但是您可以通过以下方式考虑撇号：

 sentence = `"Exclamation! Question? \\"Quotes.\\" 'Apostrophe'. Wasn't. 'Couldn't'. \\"Didn't\\"."`; console.log( sentence.match(/\\w+(?:'\\w+)*/g) ); 

注意：从?更改了量词 *允许一个单词中包含多个' 。

Answer 2

@revo的答案看起来不错，这是另一个应该也起作用的选项：

 const input = "Exclamation! Question? \\"Quotes.\\" 'Apostrophe'. Wasn't. 'Couldn't'. \\"Didn't\\"."; console.log(input.toLowerCase().match(/\\b[\\w']+\\b/g)); 

说明：

• \\b匹配单词的开头/结尾，
• [\\w']+匹配任何字母，数字，下划线或引号（要省略下划线，可以改用[a-zA-Z0-9'] ），
• /g告诉正则表达式捕获与该模式匹配的所有匹配项（而不仅仅是第一个）。