如何组合这两个正则表达式？ （带和不带撇号的单词）

Question

我正在尝试构建一个正则表达式来捕获字符串中的每个单词（包括撇号），如下所示：

Despite trying and trying I haven't found a regex to capture all these words

但我希望它忽略'''之类的字词，并从word读取words'，从cause读取'cause;即撇号必须在文本中。

我有以下两个表达式：

[a-z]+'[a-z]+
[a-z]+

我假设他们可以通过一个简单的运算符加入，但我无法找出该运算符可能是什么。

Answer 1

试试这个：

(\w+'\w+)|(\w+)

上述内容仍然包含words'和'cause，但没有撇号。

Answer 2

此正则表达式将捕获所有可以选择包含（甚至多个）'的单词，但不能以'开头或结尾

(\w[\w']+\w|\w+)

请参阅a demo here

Answer 3

使用群组和“？”优雅，应该是最快的实施。以下表达式不仅限于python，而是适用于任何接受扩展正则表达式的工具。我也不确定你想用数字做什么（另一个原因是“\ w”没有在答案中使用）：

[A-ZA-Z] +（'[A-ZA-Z] +）？

$ str="Despite trying and trying I haven't found a regex to capture all these words... 'cause"
$ echo "$str" | sed -r "s/[A-Za-z]+('[A-Za-z]+)?/MATCH/g"
MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH... 'MATCH
$ echo "$str" | awk "{ gsub(/[A-Za-z]+('[A-Za-z]+)?/,\"MATCH\") } 1"
MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH MATCH... 'MATCH

这是来自www.debuggex.com的漂亮图表......

Debuggex Demo

基本正则表达式增加了几个：

[A-ZA-Z] \ + \（'[A-ZA-Z] \ + \）\？

如果您有POSIX字符类：

EXTENDED：

[[：阿尔法：]] +（'[[：阿尔法：]] +）？

BASIC：

[[：阿尔法：]] \ + \（'[[：阿尔法：]] \ + \）？\