用于查找单词的 Ruby 正则表达式

Question

我对正则表达式很陌生。我正在使用正则表达式:

/\w+/

要检查单词，很明显这会出现标点符号问题，但我不太确定如何更改此正则表达式。例如，当我从我创建的类中运行此命令时:

Wordify.new.regex(/\w+/).string("This sentence isn't 'the best-example, isn't it not?...").display

我得到输出:

-----------
this: 1
sentence: 1
isn: 2
t: 2
the: 1
best: 1
example: 1
it: 1
not: 1
-----------

如何调整正则表达式，使其匹配带撇号的单词，例如:不是作为一个单词，但在搜索时只会匹配the>'the 或 the'。像 stack-overflow 这样的单词中间的连字符应该分别匹配 return stack 和 overflow，这已经做到了。

此外，单词不能以数字开头或结尾，例如 test1241 或 436test 应该变成 test，但是 te7st 没问题。不应识别纯数字。

抱歉，我知道这是一个很大的问题，但我不确定从哪里开始使用正则表达式。如果可能的话，您还可以解释一下该表达式的含义，我们将不胜感激。

Answer 1

str = "This is 2a' 4test' of my agréable re4'gex, n'est-ce pas?"

r = /
    [[:alpha:]]            # match a letter
    (?:                    # begin the outer non-capture group
      (?:[[:alpha:]]|\d|') # match a letter, digit or apostrophe in a non-capture group
      *                    # execute the above non-capture group zero or more times
      [[:alpha:]]          # match a letter
    )?                     # close the outer non-capture group and make it optional
    /x                     # free-spacing regex definition mode

str.scan r
  #=> ["This", "is", "a", "test", "of", "my", "agréable", "re4'gex", "n'est", "ce", "pas"]

请注意，如果要匹配的字符串是单个字符，则需要外部捕获组。

嗯。也许我们应该在内部非捕获组中添加一个连字符。

r = /[[:alpha:]](?:(?:[[:alpha:]]|\d|'|-)*[[:alpha:]])?/
str.scan r
  #=> ["This", "is", "a", "test", "of", "my", "agréable", "re4'gex", "n'est-ce", "pas"]

我现在很少用到单词匹配字符\w，主要是因为它匹配下划线，还有字母和数字。相反，我伸手去拿 POSIX bracket expression (搜索“POSIX”)，它有一个额外的(也许是主要的)好处，即它不是以英语为中心的。例如，匹配除下划线以外的单词字符是 [[:alnum:]]。