正则表达式连接由空格和连字符分隔的单词
Regex joining words splitted by whitespace and hyphen
我的字符串很乱，看起来像这样：
s="I'm hope-less and can -not solve this pro- blem on my own. Wo - uld you help me?"
我希望将连字符（有时是空格）剥离的单词放在一个列表中。所需的输出：
list = ['I'm','hopeless','and','cannot','solve','this','problem','on','my','own','.','Would','you','help','me','?']
我尝试了很多不同的变体，但没有任何效果..
rgx = re.compile("([\w][\w'][\w\-]*\w)")
s = "My string'"
rgx.findall(s)
快速、非正则表达式的方法是
''.join(map(lambda s: s.strip(), s.split('-'))).split()
在连字符上拆分，去掉额外的白色space，重新加入字符串并在 space 上拆分，但这不会分隔点或问号。
这是一种方法：
[re.sub(r'\s*-\s*', '', i) for i in re.split(r'(?<!-)\s(?!-)', s)]
# ["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own.', 'Would', 'you', 'help', 'me?']
这里有两个操作：
根据空格拆分文本 不带连字符 同时使用否定前瞻和否定回顾。
在每个拆分词中，将前面或后面可能有空格的连字符替换为空字符串。
您可以在这里看到第一个操作的演示：https://regex101.com/r/ayHPvY/2
第二个：https://regex101.com/r/ayHPvY/1
编辑：要将 . 和 ? 也分开，请改用：
[re.sub(r'\s*-\s*','', i) for i in re.split(r"(?<!-)\s(?!-)|([^\w\s'-]+)", s) if i]
# ["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own', '.', 'Would', 'you', 'help', 'me', '?']
这个问题还拆分了非字母、非空格而不是 hyphens/apostrophe。 if i 是必需的，因为拆分可能 return 一些 None 项。
这个怎么样：
>>> s
"I'm hope-less and can -not solve this pro- blem on my own. Wo - uld you help me
?"
>>> list(map(lambda x:re.sub(' *- *','',x), filter(lambda x:x, re.split(r'(?<!-) +(?!-)|([.?])',s))))
["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own', '.', 'Would', 'you', 'help', 'me', '?']
上面使用了一个简单的space ' '，但是使用\s更好：
list(map(lambda x:re.sub('\s*-\s*','',x), filter(lambda x:x, re.split(r'(?<!-)\s+(?!-)|([.?])',s))))
(?<!-)\s+(?!-)表示space前后没有-的
[.?] 表示单个 . 或 ?。
re.split(r'(?<!-)\s+(?!-)|([.?])',s) 将相应地拆分字符串，但内部会有一些 None 和空字符串 ''：
["I'm", None, 'hope-less', None, 'and', None, 'can -not', None, 'solve', None, 'this', None, 'pro- blem', None, 'on', None, 'my', None, 'own', '.', '', None, 'Wo - uld', None, 'you', None, 'help', None, 'me', '?', '']
此结果直接馈送到 filter 以删除 None 和 ''，然后馈送到 map 以删除 space 和 - 在每个单词里面。
我的字符串很乱，看起来像这样：
s="I'm hope-less and can -not solve this pro- blem on my own. Wo - uld you help me?"
我希望将连字符（有时是空格）剥离的单词放在一个列表中。所需的输出：
list = ['I'm','hopeless','and','cannot','solve','this','problem','on','my','own','.','Would','you','help','me','?']
我尝试了很多不同的变体，但没有任何效果..
rgx = re.compile("([\w][\w'][\w\-]*\w)")
s = "My string'"
rgx.findall(s)
快速、非正则表达式的方法是
''.join(map(lambda s: s.strip(), s.split('-'))).split()
在连字符上拆分，去掉额外的白色space，重新加入字符串并在 space 上拆分，但这不会分隔点或问号。
这是一种方法：
[re.sub(r'\s*-\s*', '', i) for i in re.split(r'(?<!-)\s(?!-)', s)]
# ["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own.', 'Would', 'you', 'help', 'me?']
这里有两个操作：
根据空格拆分文本 不带连字符 同时使用否定前瞻和否定回顾。
在每个拆分词中，将前面或后面可能有空格的连字符替换为空字符串。
您可以在这里看到第一个操作的演示：https://regex101.com/r/ayHPvY/2
第二个：https://regex101.com/r/ayHPvY/1
编辑：要将 . 和 ? 也分开，请改用：
[re.sub(r'\s*-\s*','', i) for i in re.split(r"(?<!-)\s(?!-)|([^\w\s'-]+)", s) if i]
# ["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own', '.', 'Would', 'you', 'help', 'me', '?']
这个问题还拆分了非字母、非空格而不是 hyphens/apostrophe。 if i 是必需的，因为拆分可能 return 一些 None 项。
这个怎么样：
>>> s
"I'm hope-less and can -not solve this pro- blem on my own. Wo - uld you help me
?"
>>> list(map(lambda x:re.sub(' *- *','',x), filter(lambda x:x, re.split(r'(?<!-) +(?!-)|([.?])',s))))
["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own', '.', 'Would', 'you', 'help', 'me', '?']
上面使用了一个简单的space ' '，但是使用\s更好：
list(map(lambda x:re.sub('\s*-\s*','',x), filter(lambda x:x, re.split(r'(?<!-)\s+(?!-)|([.?])',s))))
(?<!-)\s+(?!-)表示space前后没有-的
[.?] 表示单个 . 或 ?。
re.split(r'(?<!-)\s+(?!-)|([.?])',s) 将相应地拆分字符串，但内部会有一些 None 和空字符串 ''：
["I'm", None, 'hope-less', None, 'and', None, 'can -not', None, 'solve', None, 'this', None, 'pro- blem', None, 'on', None, 'my', None, 'own', '.', '', None, 'Wo - uld', None, 'you', None, 'help', None, 'me', '?', '']
此结果直接馈送到 filter 以删除 None 和 ''，然后馈送到 map 以删除 space 和 - 在每个单词里面。