Ruby中的正则表达式

Question

我有一个看起来像这样的外部文本文件：

This_ART is_P an_ART example_N.
Thus_KONJ this_ART is_P a_ART part_N of_PREP it_N.

现在，我想在Ruby中打开此文件，并使用每个带注释的单词创建一个数组。 我的尝试如下所示：

def get_entries(file)
  return File.open(file).map { |x| x.split(/\W+_[A-Z]+/) }
end

但是执行只是返回一个以每个句子为成员的数组：

[["This_ART is_P an_ART example_N.\n"],["Thus_KONJ this_ART is_P a_ART part_N of PREP it_N.\n"]]

标点和转义字符都包括在内。 错误在哪里，或者我必须更改以获得正确的阵列？

Answer 1

尝试只扫描所需的内容，例如

return File.read(file).scan(/\w+_[A-Z]+/)

那会给你类似的东西：

["This_ART", "is_P", "an_ART", "example_N", "Thus_KONJ", ...]

如果要删除注释部分，可以继续进行以下操作：

.map{ |w| w.gsub(/_[A-Z]+\z/, '') }

请注意\\ w是单词字符，\\ W是非单词字符

Answer 2

/\W+_[A-Z]+/

仅在_前面有非单词字符时才匹配，字符串中的情况并非如此。

我不完全知道结果如何，但是请尝试以下操作：

/_[A-Z]+\W*/

沿着这个正则表达式分割给你

["This", "is", "an", "example", "Thus", "this", "is", "a", "part", "of", "it"]