正则表达式匹配所有非字母数字，除了收缩中的撇号答案

【问题标题】：Regular expression to match all non-alphanumerics except apostropes in contractions正则表达式匹配所有非字母数字，除了收缩中的撇号
【发布时间】：2013-10-30 03:18:19
【问题描述】：

我正在尝试对一串英文文本进行标记，这样我就可以得到一个没有任何标点符号的单词序列，但同时我想留下收缩（比如 don't and won't）和所有格名词（如 Steve's 和 Drew's）完好无损。我正在尝试使用正则表达式来解决这个问题，但我对它们还是陌生的。

基本上，我想要一个正则表达式，它将匹配所有非字母数字字符序列，除了被字母数字字符包围的撇号，例如前面提到的示例。是否可以用正则表达式做到这一点？

【问题讨论】：

用 '.匹配后，拆分应如何返回这些单词的详细信息取决于您的语言。

标签： regex tokenize alphanumeric non-alphanumeric

【解决方案1】：

你的问题对我来说不是很清楚。但如果我解释正确，下面的正则表达式应该可以完成这项工作

\b[\w']+\b

regex101 demo

【讨论】：

这将不匹配“Ross'”，这是以“s”结尾的名词的所有格的正确拼写（即你不写“Ross's”），所以你不能最后使用\b，而不是前面由于“'twas”和“'tis”

【解决方案2】：

我不明白你的正则表达式试图匹配什么，但我认为这会匹配你想要的：

(?i)(?<=^|\s)([a-z]+('[a-z]*)?|'[a-z]+)(?=\s|$)

这匹配可以选择以撇号后跟 0-n 个字母或撇号后跟字母结尾的“单词”，这匹配以下边缘情况：

东西
杰克的
罗斯
是

【讨论】：