c# - 分隔符的正则表达式，数字除外

Question

使用 C# 的 Regex.Split，我有一个正则表达式，可以找到单词之间的分隔符：

[\b\s\p{P}]+

在“示例文本。另一个：单词”上，它可以工作，并产生：示例| 正文| 另一个| 词。伟大的！
在“单词 120,000 另一个单词”上，它产生：单词| 120 | 000 | 另一个| 词。不是很好！

如何更改正则表达式以使数字内的逗号不匹配？即，这样120,000不会破？

Answer 1

我相信您会发现，随着额外需求的出现，这样做Regex.Split只会变得更加复杂。您可能会发现最好使用Regex.Match相反的方法（识别“整个单词”而不是逻辑“单词边界”）。

原因如下：

((?<=\p{L})\p{P}(?=\p{L}))|(\p{Z}|(?<=[\p{Z}\p{P}])\p{P}|\p{P}(?=[\p{Z}\p{P}]))+

不漂亮，所以让我们解释一下。首先，我已经\s用\p{Z}类（可见/不可见空格）替换了，因为为什么不呢。其次，这个正则表达式匹配四个不同的东西：

#1：(?<=\p{L})\p{P}(?=\p{L})

这匹配夹在字母之间的标点符号。需要匹配:in another:word。这也是+量词不适用的唯一子模式（这没有任何意义）。正向环视用于断言字母的存在，但避免匹配它们。

#2：\p{Z}

这匹配一系列空白。所有这些序列都会导致分裂。

#3：(?<=[\p{Z}\p{P}])\p{P}

这匹配一个标点符号，该标点符号前面有除标点符号或空格以外的任何内容，使用正向向后查找。

#4：\p{P}(?=[\p{Z}\p{P}])

这与上面的相反：它匹配一个标点字符，后跟标点符号或空格以外的任何内容。

因此，由于逗号100,000与上述任何一个都不匹配，因此该正则表达式不会拆分该令牌。但是您可以看到这是怎么回事：与其指定要作为一个标记保持在一起的符号，不如使用Regex.Split您必须指定...其他所有内容。

Answer 2

试试这个：

(([\s\p{P}](?!\d))|((?<!\d)[\s\p{P}]))+

上半场

 ([\s\p{P}](?!\d)) 

匹配任何不跟随数字的分隔符和第二个 - 任何分隔符，不跟随数字。