如何在javascript中处理带有正则表达式单词边界的收缩

Question

我有一个 nodejs 脚本，它读入一个文件并计算词频。我目前将每一行输入一个函数：

function getWords(line) {
    return line.match(/\b\w+\b/g);
}

这几乎匹配所有内容，除了它错过了收缩

getWords("I'm") -> {"I", "m"}

但是，我不能只包含撇号，因为我希望匹配的撇号是单词边界：

getWords("hey'there'") -> {"hey", "there"}

有没有办法捕获收缩同时仍然将其他撇号视为单词边界？

Answer 1

我相信您可以使用正则表达式得到的最接近的结果是，line.match(/(?!'.*')\b[\w']+\b/g)但请注意，如果单词和 a 之间没有空格'，它将被视为缩写。

正如 Aaron Dufour 提到的，正则表达式本身无法知道这I'm是一个收缩但hey'there实际上不是。

见下文：