正则表达式匹配字符集中的撇号，但不在单词周围

Question

我正在使用 JavaScript 中的正则表达式计算不同单词在文本中出现的次数。我的问题是当我引用了单词时：'word' 应该简单地算作word（不带引号，否则它们会表现为两个不同的单词），而 it's 应该算作一个完整的单词。

(?<=\w)(')(?=\w)

这个正则表达式可以识别内部的撇号，但不能识别单词周围的撇号。问题是，我不能在 [\w]+ 等字符集中使用它。

(?<=\w)(')(?=\w)|[\w]+

将it's a 'miracle' of nature 计为 7 个单词，而不是 5 个（it、'、s 成为 3 个不同的单词）。另外，第三个单词应该简单地选择为miracle，而不是'miracle'。

为了让事情变得更复杂，我还需要捕捉变音符号，所以我使用[A-Za-zÀ-ÖØ-öø-ÿ] 而不是\w。

我怎样才能做到这一点？

Answer 1

您可以交替使用 2 个捕获组，然后检查这些组的值。

(?<!\S)'(\S+)'(?!\S)|(\S+)

• (?<!\S)' 否定后视，在左侧断言空白边界并匹配 '
• (\S+) 捕获组 1，匹配 1+ 个非空白字符
• '(?!\S) 匹配 ' 并在右侧声明一个空白边界
• |或者
• (\S+) 捕获组 2，匹配 1+ 个非空白字符

查看regex demo。

const regex = /(?<!\S)'(\S+)'(?!\S)|(\S+)/g;
const s = "it's a 'miracle' of nature";

Array.from(s.matchAll(regex), m => {
  if (m[1]) console.log(m[1])
  if (m[2]) console.log(m[2])
});

Answer 2

1)你可以简单地使用/[^\s]+/g正则表达式

const str = `it's a 'miracle' of nature`;
const result = str.match(/[^\s]+/g);

console.log(result.length);
console.log(result);

2) 如果您正在计算字符串中的总字数，那么您也可以使用split 作为：

const str = `it's a 'miracle' of nature`;
const result = str.split(/\s+/);

console.log(result.length);
console.log(result);

3)如果你想要一个在开头和结尾没有quote的单词，那么你可以这样做：

const str = `it's a 'miracle' of nature`;
const result = str.match(/[^\s]+/g).map((s) => {
  s = s[0] === "'" ? s.slice(1) : s;
  s = s[s.length - 1] === "'" ? s.slice(0, -1) : s;
  return s;
});

console.log(result.length);
console.log(result);