如何在JavaScript中解析文本中的单词？

在文本页面中，我想检查每个单词。什么是最好的方式来阅读每个单词的时间？很容易找到被空格包围的单词，但一旦你开始解析文本中的单词，它就会变得复杂

除了定义我自己从文本中解析单词的方法外，是否已经构建了某种方法，可以用正则表达式或其他方法解析单词

文本中的一些单词示例

  word word. word(word) word's word word' "word" .word. 'word' sub-word 

---

看看-你可以定义几乎任何你想要的解析算法。

你所说的是。至少可以说，这不是一件小事，也是各大搜索引擎进行深入研究的主题。在各种服务器端语言中有许多开源标记化库（例如，请参阅斯坦福NLP和Lucene项目），但据我所知，javascript中甚至没有类似的东西。您可能需要滚动自己的：）或者可能需要在服务器端进行处理，并通过AJAX加载结果？

您可以使用：

text = "word word. word(word) word's word word' \"word\" .word. 'word' sub-word";
words = text.match(/[-\w]+/g);

这将为您提供一个包含所有单词的数组

在正则表达式中，

\w

表示

a-z

、

a-z

、

0-9

或

的任何字符

[-\w]

表示

\w

或

-

的任何字符<代码>[-\w]+表示这些字符中出现1次或更多次的任何字符

如果要将单词定义为上述表达式以外的内容，请在

[-\w]

字符类中添加组成单词的其他字符。例如，如果希望单词也包含

（

和

）

，请将字符类设置为

[-\w（）]

---

要了解正则表达式的介绍，请访问伟大的教程。

我在这里支持Richard的答案，但要补充一点，构建令牌服务器（imho）最简单的方法之一是；一些疯子已经为它建立了一个Javascript目标；因此，您可以在web浏览器中运行和执行语法（请参阅“运行时库”部分）

---

但我不会假装那里没有学习曲线。

这很好，除非他需要每个匹配的上下文（即括号、连字符等）；然后就变得很难了。但是是的，正则表达式确实适用于“单词”：）完美的答案。这是一种幼稚的标记化方法，但在99%的情况下，这就足够了。事实上，如果你需要的不仅仅是提取单词，比如构建自然语言树，那么仅仅使用正则表达式也无济于事。但我得到的印象是OP只需要一系列的单词。。。