Regex To Parse Anything Not A \ b

Question

Есть некоторые текстовые файлы, которые мне нужны, чтобы разбить отдельные слова. Но с очень либеральным определением слова.

\b, кажется, правильно идентифицирует границы, но так как это нулевая ширина^\ b ничего не делает.

Я знаю, что .NET string.parse может быть быстрее, но мне нужна позиция соответствия.

В чем я оказался, показано ниже. Когда с^на ненулевом, что я хотел разрываться. Добавлена ​​дата, адрес электронной почты и URL, которые хотели игнорировать перерывы.

Я знаю, что это решение не очень близко к моей исходной постановке проблемы. Он развился. Спасибо за вашу помощь.

String line; 
pattern = @"\w+@\w+|[01]?\d\/[0123]?\d\/([12]\d)?\d\d|https?:\/\/(?:\w+\.){1,3}\w+|[^\s\.\\///?!()@,]{2,200}"; 
    while ((line = sr.ReadLine()) != null) 
    { 
     Debug.WriteLine(line); 
     foreach (Match match in Regex.Matches(line, pattern, RegexOptions.IgnoreCase)) 
     { 
      Debug.WriteLine(match.Index.ToString() + " " + match.Value); 
     } 
     break; 
    } 

Answer 1

Словесность слова \B не относится к смежным элементам того же слова, слова или слова, содержащего слово.

Вы, кажется, хотите \b(\w+|\W+)\b, потому что ((?:\B.\B)+) оставит конечные символы одного и того же.

редактировать:

Re обновить ..

You could split with this [^\p{L}] *\p{Z} [^\p{L}]* or use 

(dosen't account for graphines) 
[\s\pP]* ([\pL\pN_-] (?: [\pL\pN_-] | \pP(?=[\pL\pN\pP_-]))*) 
    or 
[\s[:punct:]]* (\w (?: \w | [[:punct:]](?=[\w[:punct:]]))*) 

Оба дают

'hello' 
'world' 
'MSCFX' 
'package.propertiescu3u' 
'bin\exet[p"R4~fd' 
'Would' 
'like' 
'MSCFX' 
'package' 
'propertiescu3u' 
'bin' 
'centra' 
'exet[p"R4~fd' 

Answer 2

\w соответствует буквы, цифры и _ (подчеркивание). \b соответствует границам между \w и \W (символы без слов, [^\w]). \B граница (всегда нуль-ширина), поэтому \B+ бессмысленно.

Редактировать: У меня все еще есть проблемы с пониманием того, где вы хотите разбить слова.

Если вы хотите, чтобы соответствовать ничего, кроме . (период) и пробельных, попробуйте этот исключения метод:

[^.\s]+ 

Если вы хотите включить определенные символы, попробуйте это включение метод:

[-\w`~!@#$%^&*\[\]()\\\/]+ 

Answer 3

Почему не просто разделить строку на пробелы, символы обратной косой черты, и периоды, как в вашем пример?

// C# 
string str = "MSCFX package.propertiescu3u bin\\exet[p\"R`4~fd"; // note the necessary escapes for \ and " 
var words = Regex.Split(str,@"[ \.\\]"); // split on spaces, periods, and backslashes 

Answer 4

Необходимо точно понимать, что такое \b. Имейте в виду, что регулярные выражения не могут читать; «слово» в «границе слова» произвольно определяется как одна или несколько букв, цифр или символов подчеркивания. Если ваше определение отличается, \b бесполезно.

Так что же именно вы считаете слово? Глядя на ваш обновленный вопрос, я до сих пор не вижу полезного шаблона. Вы просто хотите разделить пробелы и периоды?

pattern = @"(?<=^|[\s.])[^\s.]+(?=[\s.]|$)"; 

Применительно к тестовой строки:

MSCFX package.propertiescu3u bin\exet[p"R`4~fd 

... это соответствует:

MSCFX 
package 
propertiescu3u 
bin\exet[p"R`4~fd 

Answer 5

Согласно RegexHero

([^\\b]*) 

Работы MSCFX package.propertiescu3u bin\exet[p"R``4~fd с использованием ignorecase, singleline.