如何在Ruby中使用正则表达式将字符串拆分为包含的单词数组？

Question

我正在尝试创建一个正则表达式模式,该模式将基于许多不同的模式和约定将字符串拆分为单词数组.规则如下:

1. 它必须在所有破折号,空格,下划线和句点上拆分字符串.
2. 当多个上述字符一起出现时,它必须只拆分一次(所以' - .quick'必须拆分为['the','quick']而不是['the','','','快'())
3. 它必须将字符串拆分为新的大写字母,同时保留该字母及其对应的单词('theQuickBrown'拆分为['the','quick','brown']
4. 它必须将多个大写字母组合在一起('LETS_GO'必须分为['let','go'],而不是['l','e','t','s','g',' O'])
5. 它必须在split数组中仅使用小写字母.

如果它正常工作,则应该如下

"theQuick--brown_fox JumpsOver___the.lazy  DOG".split_words == 
["the", "quick", "brown", "fox", "jumps", "over", "the", "lazy", "dog"]

到目前为止,我已经能够几乎到达那里,唯一的问题是它分裂了每个资本,所以"DOG".split_words是["d","o","g"]而不是["dog" ]

我还在分裂阵列上使用正则表达式和地图/过滤器的组合来获得解决方案,如果你可以告诉我如何摆脱它并仅使用正则表达式的奖励积分.

这是我到目前为止所拥有的:

class String
  def split_words 
    split(/[_,\-, ,.]|(?=[A-Z]+)/).
    map(&:downcase).
    reject(&:empty?)
  end 
end

从上面的测试中调用字符串时返回:

["the", "quick", "brown", "fox", "jumps", "over", "the", "lazy", "d", "o", "g"]

如何更新此方法以满足上述所有规格？

Answer 1

您可以稍微更改正则表达式,以便它不会分散在每个大写字母上,而是以大写字母开头的每个字母序列.这只是涉及到[a-z]+后来[A-Z]+

string = "theQuick--brown_fox JumpsOver___the.lazy  DOG"
regex = /[_,\-, ,.]|(?=[A-Z]+[a-z]+)/
string.split(regex).reject(&:empty?)
# => ["the", "Quick", "brown", "fox", "Jumps", "Over", "the", "lazy", "DOG"]