javascript - 如何用正则表达式匹配文章中的英文单词？谢谢^_^

Question

有一篇混合中英文的文章，我要得到它包含的单词，
我用下面的方法，但显然不是很准，请老司机帮助看一下。多谢

var str="1.tom:'what's your name.' 1.汤姆：“你的名字是什么？”";
str.match(/[a-zA-Z]+/ig);
//执行结果▶["tom", "what", "s", "your", "name"]

现状：已经能过滤掉大部分标点、数字、和中文
问题：what’s 这种词被拆成了2个数组，我不想要类似what’s和x-ray这种词。
如何修改正则表达式把它们排除出去？
就是出现what's时，不要what也不要s也不要what's
谢谢老司机领路！^_^

Answer 1

var str="1.tom:'what's your name.' 1.汤姆：“你的名字是什么？”";
str.match(/[a-z]+[\-\']?[a-z]*/ig);
// ["tom", "what's", "your", "name"]

---

更新
不包含这个需要分两步实现，负向预查做不到，会干掉wath'但会保留s这种结果。

var str="1.tom:'what's your name.' 1.汤姆：“你的名字是什么？”";
str.replace(/[a-z]+[\-|\']+[a-z]+/ig, '').match(/([a-z]+)/ig);
// ["tom", "your", "name"]

Answer 2

我建议你先把带符号的单词一起搜出来之后再来过滤一次，

var str = "1.tom:'what's your name.' 1.汤姆：“你的名字是什么？”";
var m = str.match(/[a-z\-']+/ig);
console.log(m);
var result = (m || []).filter(function(word) {
    return !word.match(/[^a-z]/);
});

console.log(result);

Answer 3

由于js没有回顾零宽断言，你的需求似乎无法实现，不然可以用(?<=[^-'a-z]|^)[a-z]+(?=[^-'a-z]|$)

在js里可以加一步处理得到结果

(" "+str).match(/(?:[^-'a-z])[a-z]+(?=[^-'a-z])/ig).map(str => str.slice(1));

Answer 4

可以用正则多次过滤