如何将所有单词与正则表达式匹配，网址或类似字符除外？

Question

我正在尝试匹配字符串中的所有单词，除了带有URL的标点符号的字符串。

我尝试了许多变体，但是当它在第二个字符串中工作时，第一个出现错误。

s1 = "My dog is nice! My cat not. www.test.org ?"
s2 = "I am."
regex = r"\b\w+\W* \b"
m1 = re.findall(regex, s1)
m2 = re.findall(regex, s2)

m1的输出是正确的：

['My ', 'dog ', 'is ', 'nice! ', 'My ', 'cat ', 'not. ']

m2的输出不是我想要的：

['I ']

... 但我想要

['I ', 'am.']

Answer 1

您需要额外的检查...：

regex = r"\b\w+\W* \b|\b\w+\W$"

...以匹配空间不跟随点结尾的情况。

工作代码 ：

import re

s1 = "My dog is nice! My cat not. www.test.org ?"
s2 = "I am."

regex = r"\b\w+\W* \b|\b\w+\W$"

m1 = re.findall(regex, s1)
m2 = re.findall(regex, s2)

print(m1) # ['My ', 'dog ', 'is ', 'nice! ', 'My ', 'cat ', 'not. ']
print(m2) # ['I ', 'am.']