java - 英语收缩灾难

Question

背景
写一个直引号到 curl 引号转换器，我希望将替换分成几个不同的步骤。第一步是使用已知收缩的词典替换文本中的收缩。这不会解决歧义，但应该转换常见收缩中的直接引用用法。
问题
在 Java 中，\b和 \w不要在单词中包含撇号，这会使这个问题有点棘手。问题在于匹配以下单词:

包含一个或多个撇号，但不以一个开头或结尾( 内部 )；

以撇号开头，可以包含一个或多个，但不以一个结尾( 开始 )；

以撇号结尾，可以包含一个或多个，但不要以一个开头( 结束 )；和

以撇号开头和结尾，但不能包含撇号( 外 )。

代码
给出一些无意义的文本:

'Twas---Wha'? Wouldn'tcha'? 'Twas, or 'twasn't, 'tis what's 'tween dawn 'n' dusk 'n stuff. Cookin'? 'Sams' place, 'yo''

正则表达式应捕获以下单词:

内部 :what's

开始 :'Twas , 'Twas , 'twasn't , 'tis , 'tween , 'n

结束 :Wha' , Wouldn'tcha' , Cookin'

外 :'n' , 'Sams' , 'yo'

以下是无效的表达方式，混合了恶意的想法:

内部 :\p{L}+'\p{L}*\p{L}

开始 :((?<=[^\p{L}])|^)'\p{L}+('\p{L}|\p{L})?

结束 :(\p{L}|\p{L}')+'(?=[^\p{L}]|$)

这似乎有效:

外 :((?<=[^\p{L}])|^)'\p{L}+'(?!\p{L})

题
什么正则表达式可以正确地对这四重收缩进行分类？

Answer 1

这个正则表达式应该做你想做的。它使用命名的捕获组以适当的环视对单词进行分类，以确保我们将整个单词与所需的外部引号匹配:

(?<inner>(?<![\p{L}'])(?:\p{L}+')+\p{L}+(?![\p{L}']))|
(?<began>(?<!\p{L})(?:'\p{L}+)+(?![\p{L}']))|
(?<ended>(?<![\p{L}'])(?:\p{L}+')+(?!\p{L}))|
(?<outer>(?<!\p{L})'\p{L}+'(?!\p{L}))

群 inner查找包含一定数量的字母组后跟引号的字符串 (?:\p{L}+')+后面跟着一些字母 \p{L}+ .
群 began查找一个字符串，其中包含一定数量的引号组，后跟一定数量的字母 (?:'\p{L}+)+ .
群 ended查找包含一定数量的字母组后跟引号的字符串 (?:\p{L}+')+ .
群 outer查找两端带有引号且中间带有一些字母的字符串 '\p{L}+' .
Demo on regex101