perl - 我如何用 Perl 计算文本中的 "real"个单词？

Question

我遇到了文本处理问题。我有一篇文章，我想知道有多少个“真实”的词。

这就是我所说的“真实”。文章通常包含各种标点符号，例如破折号，逗号，点等。我想知道的是有多少个单词，跳过像“-”破折号和“ ,"带空格的逗号等

我试过这样做:

my @words = split ' ', $article;
print scalar @words, "\n";

但这包括各种带有空格的标点符号。

所以我正在考虑使用这个:

my @words = grep { /[a-z0-9]/i } split ' ', $article;
print scalar @words, "\n";

这将匹配所有包含字符或数字的单词。您认为这种计算文章字数的方法是否足够好？

有谁知道 CPAN 上的某个模块可以执行此操作吗？

Answer 1

尝试使用:\W - 任何非单词字符，同时删除 _

解决方案

use strict;

my $article = 'abdc,  dd_ff,  11i-11,  ff44';

# case David's, but it didn't work with I'm or There's
$article         =~ s/\'//g; 
my $number_words = scalar (split /[\W_]+/, $article);

print $number_words;