c++ - 将句子拆分为包含撇号的单词

Question

假设我有一组单词作为这样的句子:

Aujourd'hui séparer l'élément en deux

并希望结果作为单个单词(拆分后):

Aujourd'hui | séparer | l' | élément | en | deux

注意:如您所见，是一个单词aujourd'hui。

在这里使用的最佳正则表达式是什么？

以我目前的知识，我所能实现的就是这个基本操作:

QString sentence("Aujourd'hui séparer l'élément en deux");
QStringList list = sentence.split(" ");

输出:

Aujourd'hui / Séparer / l'élément / en / deux

这是最接近我的两个问题: this和 this。

Answer 1

由于您想将其视为单独单词的紧缩通常是单个字母+法语中的撇号(例如l'huile，n'en和d'accord)，因此您可以使用匹配1+个空白字符或紧随其后的位置的模式一个单词的开头，然后是1个字母，然后是撇号。

我还建议考虑 curl 撇号。所以用

 \s+|(?<=\b\p{L}['’])\b

参见 regex demo。

详细信息

\s+-1+空格

|-或

(?<=\b\p{L}['’])\b-单词边界(\b)的位置，该位置之前有单词的开头(\b)，字母(\p{L})和'或’。

在Qt中，您可以使用

QStringList result = text.split(
     QRegularExpression(R"(\s+|(?<=\b\p{L}['’])\b)", 
        QRegularExpression::PatternOption::UseUnicodePropertiesOption)
);

R"(...)"是原始字符串文字表示法，如果使用的C++环境不允许使用原始字符串文字，则可以使用 "\\s+|(?<=\\b\\p{L}['’])\\b"。