如何用正則表達式將句子拆分為單詞？

Question

“她真好！” -> [“ she”，“'”，“ s”，“ so”，“ nice”，“！”]我想這樣分割句子！ 所以我寫了代碼，但是它包含空格！ 如何僅使用正則表達式制作代碼？

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

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

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

Answer 1

正則表達式 ： [A-Za-z]+|[^A-Za-z ]

在[^A-Za-z ]添加您不想匹配的字符。

細節：

• []匹配列表中存在的單個字符
• [^]匹配列表中不存在的單個字符
• +無限次匹配
• | 要么

Python代碼 ：

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

輸出：

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

代碼演示

Answer 2

Python的re模塊不允許您拆分零寬度的斷言。 您可以改用python的pypi regex包 （確保您指定使用版本1，該版本可以正確處理零寬度匹配）。

在這里查看正在使用的代碼

import regex

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

print(x)

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

• \\s+|\\b(?!^|$)匹配以下任一選項
  • \\s+匹配一個或多個空格字符
  • \\b(?!^|$)位置為單詞邊界，但不在行的開頭或結尾