英文单词的 Perl 正则表达式答案

【问题标题】：Perl regular expression for English word英文单词的 Perl 正则表达式
【发布时间】：2011-01-07 01:45:07
【问题描述】：

我需要一个能够找到任何看起来像英语单词的正则表达式。特别是，我希望表达式在字符串具有以下内容时匹配：

1) 只有字母；和

2) 至少两个不同字母。（我故意排除一个字母的单词。）

所以我正在寻找匹配 the 和 abracadabra 但不匹配 aaa 的东西。

非常感谢任何帮助。

【问题讨论】：

【解决方案1】：

也许\b(\w*(\w)\w*(?!\2)\w+)\b 适合你。它处理你给出的例子。

它匹配组中的一个字母\w，然后使用反向引用和负前瞻(?!\2) 查找除字母以外的其他内容。我们在最后匹配至少一个字符，这对于使负前瞻强制至少一个不同的字符是必要的。然后我们在周围放置额外的\w* 以允许额外的字母。 \b 确保匹配的结尾在单词边界处。

请注意，这不是匹配纯英语单词的超级骗子正则表达式。为此，您想与字典进行比较。但这似乎不是您要在这里做的事情。

【讨论】：

太好了，谢谢。我不知道如何参考上一场比赛来进行负面预测。很有用！为了我的目的，我只需要摆脱那些显然不是文字的东西。我不太担心它是否真的是一个词，所以这很完美。
@itzy 看到你没有意识到负面的前瞻匹配（不是让你失望，只是说）并且我正试图成为 perldoc 啦啦队长：我可以建议你查看perldoc perlrequick和perldoc perlreref 看看还有什么其他有用的 Perl 正则表达式工具可以帮助你。同样有用的还有：完整的perldoc perlre 和方便的perldoc perlrebackslash。
英文单词可能包含破折号、撇号和各种变音符号。对于这种事情，我有一个半标准的酷刑测试句子：“詹姆斯的兄弟问，\x{201C}\x{2019}Tis Ren\x{E9}e\x{2019}s and Noe\x{308} l\x{2019}s great\x{2010}grandparents\x{2019}1970 年代的夏天他摇摇头——然后走开了。”
如何将anti-virus、non-stop字与中间的-匹配？

【解决方案2】：

查看Lingua::EN::Splitter:

use strict; use warnings;
use Lingua::EN::Splitter qw(words);

my @words = words $input_text;
print @words;

【讨论】：