如何使用JavaScript將字符串解析為單詞和標點符號

Question

我有一個字符串test =“ hello，您好嗎，我希望一切都好！很好。期待與您見面。

我正在嘗試使用javascript將字符串解析為單詞和標點符號。 我可以分隔單詞，但使用正則表達式后標點符號消失了

var result = test.match（/ \\ b（\\ w |'）+ \\ b / g）;

所以我的預期輸出是

hello
how 
are 
you
all
doing
,
I
hope
that
it's
good
!
and 
fine
.
Looking
forward
to
see
you

Answer 1

簡單的方法

如果您使用第一種方法，則與javascript的“單詞”定義相匹配。 下面是一種更可定制的方法。

嘗試test.split(/\\s*\\b\\s*/) 。 它在單詞邊界（ \\b ）上分割並占用空白。

"hello how are you all doing, I hope that it's good! and fine. Looking forward to see you."
    .split(/\s*\b\s*/);
// Returns:
["hello",
"how",
"are",
"you",
"all",
"doing",
",",
"I",
"hope",
"that",
"it",
"'",
"s",
"good",
"!",
"and",
"fine",
".",
"Looking",
"forward",
"to",
"see",
"you",
"."]

這個怎么運作。

var test = "This is. A test?"; // Test string.

// First consider splitting on word boundaries (\b).
test.split(/\b/); //=> ["This"," ","is",". ","A"," ","test","?"]
// This almost works but there is some unwanted whitespace.

// So we change the split regex to gobble the whitespace using \s*
test.split(/\s*\b\s*/) //=> ["This","is",".","A","test","?"]
// Now the whitespace is included in the separator
// and not included in the result.

解決方案更多。

如果您希望將“ isn`t”和“一千”之類的單詞視為一個單詞，而javascript regex認為它們是兩個單詞，則需要創建自己的單詞定義。

test.match(/[\w-']+|[^\w\s]+/g) //=> ["This","is",".","A","test","?"]

這個怎么運作

這與實際的單詞和標點符號使用交替交替匹配。 正則表達式[\\w-']+的前半部分匹配您認為是單詞的所有內容，后半部分[^\\w\\s]+與您認為標點符號的所有內容匹配。 在此示例中，我僅使用了不是單詞或空格的內容。 我也要在最后加上一個+ ，以便將多個字符的標點符號（例如？！正確地寫成⃓）視為一個字符，如果您不希望刪除+ 。

Answer 2

用這個：

[,.!?;:]|\b[a-z']+\b

在演示中查看比賽。

例如，在JavaScript中：

resultArray = yourString.match(/[,.!?;:]|\b[a-z']+\b/ig);

說明

• 字符類[,.!?;:]匹配括號內的一個字符
• 或（替代| ）
• \\b匹配單詞邊界
• [a-z']+一個或多個字母或撇號
• \\b字邊界