-1
我想从文本中获取所有单词,包括unicode字符,不包括连字符或下划线或任何其他非字母数字字符。如何匹配python regexp中的字母数字字符?
I.e.我想是这样的:
>>> getWords('John eats apple_pie')
['John', 'eats', 'apple', 'pie']
>>> getWords(u'André eats apple-pie')
[u'André', u'eats', u'apple', u'pie']
随着
getWords = lambda text: re.compile(r'[A-Za-z0-9]+').findall(text)
它适用于第一个例子,而不是第二,和周围的其他方法与此:
getWords = lambda text: re.compile(r'\w+', re.UNICODE).findall(text)
按空格拆分字符串。简单。 :) – Tushar
@Tushar和'_'和'-'? – jonrsharpe
你在发布之前发布了这个消息吗? – jonrsharpe