正则表达式；消除所有标点符号，除了答案

【问题标题】：Regex; eliminate all punctuation except正则表达式；消除所有标点符号，除了
【发布时间】：2012-11-14 03:10:33
【问题描述】：

我有以下正则表达式，可以拆分任何空格或标点符号。如何从:punct: 中排除 1 个或多个标点符号？假设我想排除撇号和逗号。我知道我可以明确地使用[all punctuation marks in here] 而不是[[:punct:]]，但我希望有一种排除方法。

X <- "I'm not that good at regex yet, but am getting better!"
strsplit(X, "[[:space:]]|(?=[[:punct:]])", perl=TRUE)

 [1] "I"       "'"       "m"       "not"     "that"    "good"    "at"      "regex"   "yet"    
[10] ","       ""        "but"     "am"      "getting" "better"  "!"

【问题讨论】：

标签： r regex strsplit

【解决方案1】：

我不清楚你想要的结果是什么，但你可以使用否定类like this answer。

R> strsplit(X, "[[:space:]]|(?=[^,'[:^punct:]])", perl=TRUE)[[1]]
 [1] "I'm"     "not"     "that"    "good"    "at"      "regex"   "yet,"   
 [8] "but"     "am"      "getting" "better"  "!"

【讨论】：

【解决方案2】：

如果右边的下一个字符是' 或,，您可以直接使用(?![',]) negative lookahead 对PCRE 子模式施加限制，但匹配失败：

[[:space:]]|(?=(?![',])[[:punct:]])
               ^^^^^^^^

请参阅regex demo。

详情

[[:space:]] - 任何空格
| - 或
(?=(?![',])[[:punct:]]) - 一个正向前瞻，要求在当前位置的右侧没有' 和,，并且有任何1 个不是' 或, 的标点符号（实际上，需要除' 和, 之外的任何标点符号）。

见R online demo

X <- "I'm not that good at regex yet, but am getting better!"
strsplit(X, "[[:space:]]|(?=(?![',])[[:punct:]])", perl=TRUE)
[[1]]
 [1] "I'm"     "not"     "that"    "good"    "at"      "regex"   "yet,"   
 [8] "but"     "am"      "getting" "better"  "!"

【讨论】：