regex - 如何使用自定义词边界创建将获取 N 个词的 RegEx 模式？

Question

我需要一个 RegEx 模式，它将使用自定义单词边界返回前 N 个单词，该边界是正常的 RegEx 空格 (\s) 加上标点符号，如 .,;:!?-*_

编辑 #1:感谢您的所有评论。

要清楚:

1. 我想设置作为单词分隔符的字符
2. 我们称其为“定界符集”或 strDelimiters
3. strDelimiters = ".,;:!?-*_"
4. nNumWordsToFind = 5
5. 单词定义为不包含 strDelimiters 中任何字符的任何连续文本
6. RegEx 单词边界是包含 strDelimiters 中的一个或多个字符的任何连续文本
7. 我想构建 RegEx 模式以使用 strDelimiters 获取/返回第一个 nNumWordsToFind。

编辑#2:美国中部时间 2015 年 8 月 8 日星期六凌晨 12:49

@maraca 确实如最初所述回答了我的问题。但我实际需要的是返回字数≤ nNumWordsToFind。因此，如果源文本只有 3 个词，但我的 RegEx 要求 4 个词，我需要它返回这 3 个词。如果 nNumWordsToFind > 源文本中的实际单词数，则 maraca 提供的答案将失败。

例如:

one,two;three-four_five.six:seven eight    nine! ten

它会将此视为 10 个单词。如果我想要前 5 个单词，它将返回:

one,two;three-four_five.

我有这个模式使用正常的\s 空格，它有效，但不完全是我需要的:

([\w]+\s+){<NumWordsOut>}

哪里<NumWordsOut>是要返回的单词数。

我也找到了这个word boundary pattern，但是不知道怎么用:

a "real word boundary" that detects the edge between an ASCII letter and a non-letter.

(?i)(?<=^|[^a-z])(?=[a-z])|(?<=[a-z])(?=$|[^a-z])

但是，我希望我的话也允许数字。

IAC，我无法使用上述自定义单词边界模式返回文本的前 N ​​个单词。

顺便说一句，我将在 Keyboard Maestro 中使用它宏。

有人可以帮忙吗？TIA。

Answer 1

你所要做的就是调整你的模式([\w]+\s+){<NumWordsOut>}到，包括一些特殊情况:

^[\s.,;:!?*_-]*([^\s.,;:!?*_-]+([\s.,;:!?*_-]+|$)){<NumWordsOut>}
1.             2.              3.             4.  5.

1. 匹配第一个单词前任意数量的定界符
2. 匹配一个词(= 至少一个非定界符)
3. 单词后必须至少跟一个分隔符
4. 或者它可以在字符串的末尾(以防末尾没有分隔符)
5. 重复 2. 到 4. 次

请注意我是如何更改 - 的顺序的, 必须在开头或结尾，否则需要转义:\- .