如何在C＃中使用Regex将短语拆分为单词
我试图使用正则表达式将句子/短语分成单词。
var phrase = "This isn't a test."; var words = Regex.Split(phrase, @"\W+").ToList(); 单词包含“This”，“isn”，“t”，“a”，“test”
显然它正在捡起撇号并分裂。 我可以改变这种行为吗？ 它还需要多语言支持各种语言（西class牙语，法语，俄语，韩语等）。
我需要将这些文字传递给拼写检查器。 特别是Nhunspell。
return (from word in words let correct = _engine[langId].Spell(word) where !correct select word).ToList();
如果你想分成单词用于拼写检查，这是一个很好的解决方案：
new Regex(@"[^\p{L}]*\p{Z}[^\p{L}]*")
基本上你可以使用以前的正则表达式使用Regex.Split。 它使用unicode语法，因此它可以在多种语言中工作（但不适用于大多数亚洲语言）。 并且它不会破坏带有撇号的连字符。
使用Split() 。
words = phrase.Split(' ');
没有标点符号。
words = phrase.Split(new Char [] {' ', ',', '.', ':', , ';', '!', '?', '\t'});
由于许多语言使用非常复杂的规则将单词串在一起成为短语和句子，因此您不能依赖简单的正则表达式来从一段文本中获取所有单词。 即使对于像英语一样“简单”的语言，你也可以在很多极端情况下运行，例如：
- 如何处理像你这样的单词，并不是两个单词组合在一起的地方，而是一些字符替换为’。
- 如何处理像夫人先生这样的缩写
- 使用’ – ‘组合单词
- 句子末尾带有连字符的单词。
众所周知，中文和日文（以及其他）难以用这种方式解析，因为这些语言不在单词之间使用空格，只在句子之间使用空格。
您可能希望阅读文本分割 ，如果分割对您很重要，请投资可以解析整个文本的拼写检查器或文本分割引擎，该引擎可以根据语言规则将您的句子分成单词。
我找不到一个基于.NET的多语言分段引擎，但快速谷歌搜索。 抱歉。
看起来你真的不需要正则表达式。 你可以这样做：
phrase.Split(" ");
你想分开什么？ 空间？ 标点？ 你必须决定停止字符是什么。 使用空格和一些标点字符的简单正则表达式将是"[^.?!\s]+" 。 这会分解句号，问号，感叹号和任何空格字符。
如果您尝试仅基于空格进行拆分，则可以尝试。
var words = Regex.Split(phrase, @"[^ ]+").ToList();
另一种方法是通过将撇号添加到您的角色类来添加撇号。
var words = Regex.Split(phrase, @"(\W|')+").ToList();
否则，有没有特定的原因你不能使用string.Split（）？ 这似乎更直截了当。 此外，您还可以传入其他标点字符（即拆分。以及空格）。
var words = phrase.Split(' '); var words = phrase.Split(new char[] {' ', '.'});
我不是一个java人，但你可以尝试在分裂时排除标点符号
空间同时。 也许这样的事情。
这些是原始的和扩展的正则表达式，单词在捕获组1中。
进行全球搜索。
Unicode（doesen’t帐户为字形）
[\s\pP]* ([\pL\pN_-] (?: [\pL\pN_-] | \pP(?=[\pL\pN\pP_-]) )* )
ASCII
[\s[:punct:]]* (\w (?: \w | [[:punct:]](?=[\w[:punct:]]) )* )
这对我有用： [^(\d|\s|\W)]*