Python 正则表达式字符串到单词列表(包括带连字符的单词)

Question

我想解析一个字符串以获得一个包含所有单词(也包括带连字符的单词)的列表。当前代码是:

s = '-this is. A - sentence;one-word'
re.compile("\W+",re.UNICODE).split(s)

返回:

['', 'this', 'is', 'A', 'sentence', 'one', 'word']

我希望它返回:

['', 'this', 'is', 'A', 'sentence', 'one-word']

Answer 1

如果不需要前导空字符串，可以使用模式 \w(?:[-\w]*\w)? 进行匹配 :

>>> import re
>>> s = '-this is. A - sentence;one-word'
>>> rx = re.compile(r'\w(?:[-\w]*\w)?')
>>> rx.findall(s)
['this', 'is', 'A', 'sentence', 'one-word']

请注意，它不会匹配带有撇号的单词，例如 won't。