我需要一个正则表达式来处理从文本中提取单词时的撇号

Question

当使用正则表达式从文本中提取单词时，任何人都知道处理撇号的方式吗？

>>> import re 
>>> s = re.compile(r"\b[A-Za-z0-9_\-]+\b") 
>>> s.findall("I don't know Sally's 'special' friend.") 
['I', 'don', 't', 'know', 'Sally', 's', 'special', 'friend'] 

期望的结果：

['I', "don't", 'know', 'Sally', 'special', 'friend'] 

This discussion介绍如何查找完整的单词，但不与撇号处理。

Answer 1

s = re.compile(r"(?:^|(?<=\s))[A-Za-z0-9_'\-]+(?=\s|$|\b)") 

使用此代替\b。 lookarounds将为你工作。参见演示。

https://regex101.com/r/sS2dM8/25