删除除撇号以外的所有特殊字符

Question

给定一个句子，我想统计所有重复的单词： 这是来自 Exercism.io 的一个练习 Word count

例如对于输入"olly olly in come free"

plain olly: 2 in: 1 come: 1 free: 1

我有这个测试的例子：

  def test_with_quotations
    phrase = Phrase.new("Joe can't tell between 'large' and large.")
    counts = {"joe"=>1, "can't"=>1, "tell"=>1, "between"=>1, "large"=>2, "and"=>1}
    assert_equal counts, phrase.word_count
  end

这是我的方法

def word_count
    phrase = @phrase.downcase.split(/\W+/)
    counts = phrase.group_by{|word| word}.map {|k,v| [k, v.count]}
    Hash[*counts.flatten]
  end

对于上面的测试，当我在终端中运行它时出现此故障：

  2) Failure:
PhraseTest#test_with_apostrophes [word_count_test.rb:69]:
--- expected
+++ actual
@@ -1 +1 @@
-{"first"=>1, "don't"=>2, "laugh"=>1, "then"=>1, "cry"=>1}
+{"first"=>1, "don"=>2, "t"=>2, "laugh"=>1, "then"=>1, "cry"=>1}

我的问题是删除除'apostrophe 之外的所有字符...

该方法中的正则表达式几乎可以工作... phrase = @phrase.downcase.split(/\W+/) 但它删除了撇号...

我不想在单词周围保留单引号，'Hello' => Hello 但是Don't be cruel => Don't be cruel

Answer 1

可能是这样的：

string.scan(/\b[\w']+\b/i).each_with_object(Hash.new(0)){|a,(k,v)| k[a]+=1}

正则表达式使用单词边界 (\b)。 扫描输出一个包含找到的单词的数组，并且对于数组中的每个单词，它们被添加到散列中，每个项目的默认值为零，然后递增。

结果是我的解决方案在查找所有项目并忽略大小写时仍会将项目保留在最初找到它们的情况下。 现在这将是 Nelly 的决定，要么按原样接受，要么在原始字符串或添加到散列的数组项上执行小写。

我会把这个决定留给你 :)

Answer 2

给定：

irb(main):015:0> phrase
=> "First: don't laugh. Then: don't cry."

试试：

irb(main):011:0> Hash[phrase.downcase.scan(/[a-z']+/)
                     .group_by{|word| word.downcase}
                     .map{|word, words|[word, words.size]}
                    ]
=> {"first"=>1, "don't"=>2, "laugh"=>1, "then"=>1, "cry"=>1}

---

随着您的更新，如果您想删除单引号，请先这样做：

irb(main):038:0> p2
=> "Joe can't tell between 'large' and large."
irb(main):039:0> p2.gsub(/(?<!\w)'|'(?!\w)/,'')
=> "Joe can't tell between large and large."

然后用同样的方法。

但是你说——gsub(/(?<!\w)'|'(?!\w)/,'') 将删除'Twas the night before. 中的撇号，我回答说，如果/(?<!\w)'|'(?!\w)/ 不够，你最终需要构建一个解析器来确定撇号和单引号之间的区别。

您也可以使用单词边界：

irb(main):041:0> Hash[p2.downcase.scan(/\b[a-z']+\b/)
                  .group_by{|word| word.downcase}
                  .map{|word, words|[word, words.size]}
                 ]
=> {"joe"=>1, "can't"=>1, "tell"=>1, "between"=>1, "large"=>2, "and"=>1}

但这也不能解决'Tis the night。

Answer 3

另一种方式：

str = "First: don't 'laugh'. Then: 'don't cry'."
reg = /
      [a-z]         #single letter
      [a-z']+       #one or more letters or apostrophe
      [a-z]         #single letter
      '?            #optional single apostrophe

      /ix           #case-insensitive and free-spacing regex

str.scan(reg).group_by(&:itself).transfor‌​m_values(&:count) 
  #=> {"First"=>1, "don't"=>2, "laugh"=>1, "Then"=>1, "cry'"=>1}