代码之家 › 专栏 › 技术社区 › MysteryPancake

Javascript:删除字符串标点并拆分为单词?

string regex javascript

MysteryPancake · 技术社区 · 7 年前

很抱歉,如果之前有人问过这个问题,我会尝试从如下字符串中获取单词数组:

"Exclamation! Question? \"Quotes.\" 'Apostrophe'. Wasn't. 'Couldn't'. \"Didn't\"."

阵列应如下所示:

[
  "exclamation",
  "question",
  "quotes",
  "apostrophe",
  "wasn't"
  "couldn't",
  "didn't"
]

当前我正在使用以下表达式:

sentence.toLowerCase().replace(/[^\w\s]/gi, "").split(" ");

问题是,它删除了像“was not”这样的撇号,将其变成了“wasnt”。

我不知道怎样在这样的词中保留撇号。

任何帮助都将不胜感激!

var sentence = "Exclamation! Question? \"Quotes.\" 'Apostrophe'. Wasn't. 'Couldn't'. \"Didn't\".";
console.log(sentence.toLowerCase().replace(/[^\w\s]/gi, "").split(" "));

2 回复 | 直到 7 年前

revo shanwije 7 年前

围绕您自己的解决方案工作可能会很棘手,但您可以这样考虑撇号:

sentence = `"Exclamation! Question? \"Quotes.\" 'Apostrophe'. Wasn't. 'Couldn't'. \"Didn't\"."`;
console.log(
    sentence.match(/\w+(?:'\w+)*/g)
);

注意:量词已从 ? 到 * 允许多个 ' 一句话。

Jeto 7 年前

@revo的答案看起来不错,这里还有另一个应该也适用的选项:

const input = "Exclamation! Question? \"Quotes.\" 'Apostrophe'. Wasn't. 'Couldn't'. \"Didn't\".";
console.log(input.toLowerCase().match(/\b[\w']+\b/g));

说明:

\b 匹配词的开头/结尾,
[\w']+ 匹配字母、数字、下划线或引号(要省略下划线,可以使用 [a-zA-Z0-9'] 相反,
/g 告诉正则表达式捕获与该模式匹配的所有事件(而不仅仅是第一个)。

推荐文章

Aidan · 为什么在将最后一个索引分配给空终止符(\0)后,我无法释放char缓冲区

9 月前

Ben · 统计向量中的单词在字符串中出现的频率

9 月前

Mehan Alavi · TCP Socket-打印字符串中所有不在C中的字符不起作用

10 月前

Haru Hoshizora · 为什么一个整数的位置没有改变,但值却不同

11 月前

bear_525 · 从列中删除中间名和首字母,并保存在单独的列中

11 月前

asdfadf · 为什么具有相同内存值的字符串和整数打印方式不同?

11 月前

DrakeMurdoch · 统计每行中的字符数,如果所有字符数都低于某个数字,则删除

11 月前

user764754 · 防止多行原始字符串文字中出现新行字符

11 月前

Bogaso · 从列表中返回与模式匹配的元素

11 月前

Jasco · 如何使用VBA提取两个相似字符之间的字符串中的单词?

11 月前