代码之家 › 专栏 › 技术社区 › Sam å±±

正则表达式去除除单词以外的所有内容

words strip regex ruby

2

Sam å±± · 技术社区 · 15 年前

我对正则表达式很无助,所以请帮我解决这个问题。

基本上,我正在下载网页和RSS提要,并希望去掉除简单单词以外的所有内容。没有句点、逗号、if、ands和buts。从字面上看,我有一个英语中最常用的单词列表,我也希望去掉这些单词,但我想我知道如何做到这一点,不需要正则表达式,因为这真的很长。

如何从文本块中剥离除由空格分隔的单词之外的所有内容?其他一切都被扔进垃圾桶。

多亏了帕维尔,这个很好用 .split(/[^[:alpha:]]/).uniq!

2 回复 | 直到 15 年前

1

3

Community Mohan Dere 8 年前

我认为最适合你的是把这根绳子分成几个字。在这种情况下, String::split 函数是更好的选择。它接受一个与子字符串匹配的regexp,它应该 将源字符串拆分为数组元素 .

在您的情况下,它应该是“一些非字母字符”。字母的 character class 用 [:alpha:] . 下面是您需要的示例:

irb(main):001:0> "asd, < er >w , we., wZr,fq.".split(/[^[:alpha:]]+/)
=> ["asd", "er", "w", "we", "wZr", "fq"]

您可以进一步筛选结果 intersecting the resultant array 使用仅包含英文单词的数组:

irb(main):001:0> ["asd", "er", "w", "we", "wZr", "fq"] & ["we","you","me"]
=> ["we"]

2

0

ennuikiller 15 年前

尝试 \b\w*\b 匹配整个单词