regex - 正则表达式匹配所有非字母数字，除了缩写中的撇号

Question

我正在尝试对一串英文文本进行标记，以便我可以得到一个没有任何标点符号的单词序列，但同时我想留下收缩（如don't和won't）和所有格名词（如史蒂夫和德鲁的）完好无损。我正在尝试使用正则表达式来解决这个问题，但我对它们还是陌生的。

基本上，我想要一个正则表达式，它将匹配所有非字母数字字符序列，除了被字母数字字符包围的撇号，例如前面提到的示例。可以用正则表达式做到这一点吗？

Answer 1

我不明白你的正则表达式试图匹配什么，但我认为这将符合你想要的：

(?i)(?<=^|\s)([a-z]+('[a-z]*)?|'[a-z]+)(?=\s|$)

这匹配可以选择以撇号后跟 0-n 个字母或撇号后跟字母结尾的“单词”，这匹配以下边缘情况：

• 事物
• 杰克的
• 罗斯
• 蒂斯

Answer 2

你的问题对我来说不是很清楚。但如果我解释正确，下面的正则表达式应该可以完成这项工作

\b[\w']+\b

正则表达式101演示