使用扫描方法+正则表达式将字符串分解为单词，如果单词有`'`字符，则删除该字符及其后面的所有内容

Posted 2023-03-16

【中文标题】使用扫描方法+正则表达式将字符串分解为单词，如果单词有`\'`字符，则删除该字符及其后面的所有内容

【英文标题】：Break string into words using scan method + regexp, if word has `'` character, drop this character and everything after it使用扫描方法+正则表达式将字符串分解为单词，如果单词有`'`字符，则删除该字符及其后面的所有内容

【发布时间】：2021-12-02 04:20:06

【问题描述】：

sample_string = "let's could've they'll you're won't"
sample_string.scan(/\w+/)

上面给了我：

["let", "s", "could", "ve", "they", "ll", "you", "re", "won", "t"]

我想要什么：

["let", "could", "they", "you", "won"]

一直在https://rubular.com/ 中玩耍并尝试像\w+(?<=') 这样的断言，但没有运气。

【问题讨论】：

一个小点：一些英文单词，例如“shoudn't've”有double apostrophes。有些甚至有triple contractions。我想你不关心处理这些。

感谢您提出这一点，您的假设是正确的。如果我必须处理双/三撇号，而不是删除字符，我不妨扩展它们以获得没有撇号的单词。

【参考方案1】：

你可以使用

sample_string.scan(/(?<![\w'])\w+/)
sample_string.scan(/\b(?<!')\w+/)

请参阅Rubular demo。模式（它们是绝对同义词）匹配

(?<![\w']) - 字符串中不紧跟单词或' char 的位置 \b(?<!') - 一个字边界位置，前面没有紧跟 ' 字符 \w+ - 一个或多个单词字符。

见Ruby demo：

sample_string = "let's could've they'll you're won't"
p sample_string.scan(/(?<![\w'])\w+/)
# => ["let", "could", "they", "you", "won"]

【参考方案2】：

给定：

> sample_string = "let's could've they'll you're won't"

你可以做拆分和映射：

> sample_string.split.map|w| w.split(/'/)[0]
=> ["let", "could", "they", "you", "won"]