正则表达式，如何匹配所有的标点符号，但不匹配单词中间的单引号和连字符？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 4232 天前的主题，其中的信息可能已经有所发展或是发生改变。

需求是匹配除了类似于 don’t 中的 ’，以及 red-moon 中的 - 之外的所有中英文标点符号，这个正则表达式该如何写？

求指点，谢谢！

匹配

标点符号

正则表达式

20 条回复 • 1970-01-01 08:00:00 +08:00

ljbha007

2013-04-24 10:27:34 +08:00

百分号呢

ljbha007

2013-04-24 10:27:50 +08:00

还有@呢？

xhj

2013-04-24 10:29:12 +08:00

@libha007 %和@都不用管，我要处理的是文学作品，没得那些玩意儿

rrfeng

2013-04-24 10:37:09 +08:00

枚举出来，写进[]里。

ljbha007

2013-04-24 10:39:33 +08:00

/([\[\]\,.?"+_*\/\\&\$#^@!~`]|(?!\s)'\s+|\s+'(?!\s)|(?!\s)"\s+|\s+"(?!\s))/

用javascript测试成功

ljbha007

2013-04-24 10:42:30 +08:00

@xhj
发现写了个没用的简化了一下

http://gist.github.com/5449203

lfocy

2013-04-24 10:55:30 +08:00

/\b[^'-]\b/gmi

mrbrooks

2013-04-24 10:55:50 +08:00

@ljbha007 这个太长了，头晕那

ljbha007

2013-04-24 10:56:28 +08:00

@xhj 加上了中文标点你刷新一下

xhj

2013-04-24 10:57:02 +08:00

@libha007 诸多符号比如英文的 “”‘’… 之类的表示无压力

@rrfeng 全枚举出来那得多长呢？并且有些符号列进去没效果

xhj

2013-04-24 10:58:51 +08:00

@libha007 先谢再试

lululau

2013-04-24 11:12:53 +08:00

CJK 标点的 Unicode 代码范围： 0x3000 ~ 0x303F ，不知能是否符合所谓“中文标点”的需求。。。

rrfeng

2013-04-24 11:16:19 +08:00

@xhj 要么就 ![汉字编码范围’-]

另外注意一个问题，’ ' 撇号和单引号不是同一个符号（不是中英符号的区别，撇号确实是单独存在的哦一个东西……当然书里看具体情况，是用的什么号）

lululau

2013-04-24 11:17:45 +08:00

perl -e 'print pack("c*", 0x30, $_) for (0 .. 0x3F); print "\x00\n"' | iconv -f UTF-16BE

其实需要你的需求方先给出所谓“中文标点符号”的定义

lululau

2013-04-24 11:21:55 +08:00

发现还些标点符号不在 0x3000 ~ 0x303F 这个区域。。。
比如还有：0xFF00 ~ 0xFF61。。。

ljbha007

2013-04-24 11:46:39 +08:00

@xhj
如果还有没考虑到的符号就在第一个方括号里边加就行了

我主要是考虑了“将作为引号使用时的单引号选中”的问题

xhj

2013-04-24 11:50:18 +08:00

@lfocy \b是指单词边界，而不是指边界字符

@ljbha007 你这个写法难以应付众多的符号

@rrfeng 我文盲了，嗯，那个应该叫撇号，也是英文中的反引号啊，不过？

@lululau 思路和我的差不多，从unicode编码着手，我是准备用 /\p{P}/ 过滤掉所有的中英文标点符号，这样一来，消灭得虽然干净，但撇号和连字符就被枪毙了，这个正则表达式究竟应该怎么写？

rrfeng

2013-04-24 11:56:49 +08:00

/\p{P}/&&!/-|'/ 不知道php支持这种写法不。
http://zh.wikipedia.org/wiki/%E6%92%87%E5%8F%B7
@xhj

ljbha007

2013-04-24 12:22:47 +08:00

@xhj 你可以把unicode加到那个方括号里边我这个主要是后面判断单引号是否是作为引号在使用

xhj

2013-04-24 12:28:40 +08:00

@ljbha007
@rrfeng
@lululau

在ruby-china上，@luikore 给我回复了，我按照他的指点，用 /[^-’[^\p{P}]]|’$|’”$/ 解决了。

谢谢各位，结帖。