将文本拆分为数组，同时保持 Swift 中的标点符号

Question

我想将文本拆分成一个数组，保持标点符号与其余单词分开，所以字符串如下：

Hello, I am Albert Einstein.

应该变成这样的数组：

["Hello", ",", "I", "am", "Albert", "Einstein", "."]

我试过sting.components(separatedBy: CharacterSet.init(charactersIn: " ,;;:"))，但是这个方法会删除所有的标点符号，并返回一个这样的数组：

["Hello", "I", "am", "Albert", "Einstein"]

那么，我怎样才能得到一个像我的第一个例子一样的数组呢？

Answer 1

它作为解决方案并不漂亮，但您可以尝试：

var str = "Hello, I am Albert Einstein."
var list = [String]()
var currentSubString = "";
//enumerate to get all characters including ".", ",", ";", " "
str.enumerateSubstrings(in: str.startIndex..<str.endIndex, options: String.EnumerationOptions.byComposedCharacterSequences) { (substring, substringRange, enclosingRange, value) in
    if let _subString = substring {
        if (!currentSubString.isEmpty &&
            (_subString.compare(" ") == .orderedSame
                || _subString.compare(",") == .orderedSame
                || _subString.compare(".") == .orderedSame
                || _subString.compare(";") == .orderedSame
            )
            ) {
            //create word if see any of those character and currentSubString is not empty
            list.append(currentSubString)
            currentSubString = _subString.trimmingCharacters(in: CharacterSet.whitespaces )
        } else {
            //add to current sub string if current character is not space.
            if (_subString.compare(" ") != .orderedSame) {
                currentSubString += _subString
            }
        }
    }
}


//last word
if (!currentSubString.isEmpty) {
    list.append(currentSubString)
}

在 Swift3 中：

var str = "Hello, I am Albert Einstein."
var list = [String]()
var currentSubString = "";
//enumerate to get all characters including ".", ",", ";", " "
str.enumerateSubstrings(in: str.startIndex..<str.endIndex, options: String.EnumerationOptions.byComposedCharacterSequences) { (substring, substringRange, enclosingRange, value) in
    if let _subString = substring {
        if (!currentSubString.isEmpty &&
            (_subString.compare(" ") == .orderedSame
                || _subString.compare(",") == .orderedSame
                || _subString.compare(".") == .orderedSame
                || _subString.compare(";") == .orderedSame
            )
            ) {
            //create word if see any of those character and currentSubString is not empty
            list.append(currentSubString)
            currentSubString = _subString.trimmingCharacters(in: CharacterSet.whitespaces )
        } else {
            //add to current sub string if current character is not space.
            if (_subString.compare(" ") != .orderedSame) {
                currentSubString += _subString
            }
        }
    }
} 


//last word
if (!currentSubString.isEmpty) {
    list.append(currentSubString)
}

这个想法是循环所有字符并同时创建单词。单词是一组连续的字符，不是、,、. 或;。因此，在循环中创建单词的过程中，如果我们看到其中一个字符，我们就完成了当前单词，并且当前正在构造的单词不为空。 使用您的输入分解步骤：

1. 获取H（不是空格也不是其他终端字符） -> currentSubString = "H"
2. 获取e（不是空格也不是其他终端字符） -> currentSubString = "他"
3. 获取l（不是空格也不是其他终端字符） -> currentSubString = "Hel"
4. 获取l（不是空格也不是其他终端字符） -> currentSubString = "地狱"
5. 获取o（不是空格也不是其他终端字符） -> currentSubString = "你好"
6. 得到.（是终端字符）
   • ->由于currentSubString不为空，添加到list并重新构建下一个单词，然后list = [“Hello”]
   • -> currentSubString = "." （我使用修剪的原因只是如果我得到这个字符就删除。但是对于其他终端字符，我们必须保留下一个单词。
7. 获取（是空格字符）
   • ->由于currentSubString不为空，添加list并重新构建-> list = ["Hello", "."]
   • -> currentSubString = ""（已修整）。 ...等等。

Answer 2

从我的评论中解释...将regular expressions 视为一种在字符串中很好地找到模式的方法。在您的情况下，模式是单词（字母组）与其他可能的符号（标点符号）之间。

在我的评论中使用正则表达式（我在这里稍微扩展了一下），例如：([,\.\:\"])*([A-Za-z0-9\']*)([,\.\:\"])*

在那里，我们有 3 个groups。第一个搜索任何符号（例如前导引号）。第二个是搜索字母、数字和撇号（因为人们喜欢连接单词，比如“I'm”）。第三组搜索任何尾随标点符号。

编辑注意：上面的组用括号 ( 和 ) 表示，而 [ 和 ] 括号表示搜索可接受的字符。因此，例如，[A-Z] 表示 A-Z 中的所有大写字母都是可以接受的。 [A-Za-z] 让您可以同时获得上下，而[A-Za-z0-9] 包括从 0 到 9 的所有字母和数字。当然，写这篇文章有速记版本，但你会在路上发现。

所以现在我们有了一种方法来分隔所有的单词和标点符号，现在你需要实际使用它，按照以下方式做一些事情：

func find(value: NSString) throws -> [NSString] {
    let regex = try NSRegularExpression(pattern: "([,\\.\\:\\\"])*([A-Za-z0-9\\']*)([,\\.\\:\\\"])*") // Notice you have to escape the values in code
    let results = regex.matches(in: value, range: NSRange(location: 0, length: nsString.length))
    return results.map({ value.substring(with: $0.range) }).filter({ $0 != nil })
}

这应该会给你在你提供给方法的字符串值中找到的每个非零组。

当然，最后一个过滤方法可能不是必需的，但我对 Swift 如何处理正则表达式还不够熟悉，无法确定。

但这绝对应该为您指明正确的方向......

干杯~