如何將所有單詞與正則表達式匹配，網址或類似字符除外？

Question

我正在嘗試匹配字符串中的所有單詞，除了帶有URL的標點符號的字符串。

我嘗試了許多變體，但是當它在第二個字符串中工作時，第一個出現錯誤。

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的輸出是正確的：

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

m2的輸出不是我想要的：

['I ']

... 但我想要

['I ', 'am.']

Answer 1

您需要額外的檢查...：

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

...以匹配空間不跟隨點結尾的情況。

工作代碼 ：

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.']