c# - 正则表达式：如何从字符串中获取单词、空格和标点符号

Question

基本上我想遍历所有句子，例如：

string sentence = "How was your day - Andrew, Jane?";
string[] separated = SeparateSentence(sentence);

separated输出如下：

[1] =“如何”

[2] = " "

[3] = “曾经”

[4] = " "

[5] = “你的”

[6] = " "

[7] = “天”

[8] = " "

[9] =“-”

[10] = " "

[11] = “安德鲁”

[12] = ","

[13] = " "

[14] = “简”

[15] = “？”

截至目前，我只能使用正则"\w(?<!\d)[\w'-]*"表达式来抓取单词。根据输出示例，如何将句子分成更小的部分？

编辑：该字符串没有以下任何内容：

• IE

• 固体形式

• 第八、第一、第二

Answer 1

看一下这个：

        string pattern = @"^(\s+|\d+|\w+|[^\d\s\w])+$";
        string input = "How was your 7 day - Andrew, Jane?";

        List<string> words = new List<string>();

        Regex regex = new Regex(pattern);

        if (regex.IsMatch(input))
        {
            Match match = regex.Match(input);

            foreach (Capture capture in match.Groups[1].Captures)
                words.Add(capture.Value);
        }

Answer 2

我建议您实现一个简单的词法分析器（如果存在这样的东西），它将一次读取一个字符并生成您正在寻找的输出。尽管不是最简单的解决方案，但它具有可扩展性的优势，以防您的用例变得像@AndreCalil 建议的那样变得更加复杂。

Answer 3

为什么不这样呢？它是为您的测试用例量身定制的，但如果您添加标点符号，这可能就是您要寻找的。

(\w+|[,-?])

编辑：啊，从安德烈的回应中窃取，这就是我的设想：

string pattern = @"(\w+|[,-?])";
string input = "How was your 7 day - Andrew, Jane?";

List<string> words = new List<string>();

Regex regex = new Regex(pattern);

if (regex.IsMatch(input))
{
    MatchCollection matches = regex.Matches(input);

    foreach (Match m in matches)
        words.Add(m.Groups[1].Value);
}