Javascript 使用正则表达式以多种方式拆分单词

致力于类似Solr的东西，但不是Java

要将单词拆分为如下标记：

P90X                 = P, 90, X (split on word/number boundary)

TotallyCromulentWord = Totally, Cromulent, Word (split on lowercase/uppercase boundary)

TransAM              = Trans, AM

寻找一个通用的解决方案，而不是针对上述示例。最好是不支持lookbehind的正则表达式风格，但如果需要，我可以使用PL/perl，它可以执行lookbehind

找到了一些答案，但他们似乎都使用了lookback

要拆分的内容：

从小写字母到大写字母的转换

从字母到数字或数字到字母的转换

（可选）拆分为其他几个字符（-）

---

我主要关心的是1和2

这不是我不想做的事情，但对于挑战，这里有一个javascript解决方案，您应该能够轻松地将其转换为任何语言：

function split(s) {
    var match;
    var result = [];
    while (Boolean(match = s.match(/([A-Z]+|[A-Z]?[a-z]+|[0-9]+|([^a-zA-Z0-9])+)$/))) {
        if (!match[2]) {
            //don't return non alphanumeric tokens
            result.unshift(match[1]);
        }
        s = s.substring(0, s.length - match[1].length);
    }
    return result;
}

:

---

此正则表达式应将段落或字符串中的所有单词拆分为标记。
在你的例子中，甚至对简单的情况也有效

全球匹配。另外，如果您想添加其他也可以添加的特定分隔符

   # /(?:[A-Z]?[a-z]+(?=[A-Z\d]|[^a-zA-Z\d]|$)|[A-Z]+(?=[a-z\d]|[^a-zA-Z\d]|$)|\d+(?=[a-zA-Z]|[^a-zA-Z\d]|$))[^a-zA-Z\d]*|[^a-zA-Z\d]+/

   (?:
        [A-Z]? [a-z]+ 
        (?= [A-Z\d] | [^a-zA-Z\d] | $ )
     |  
        [A-Z]+ 
        (?= [a-z\d] | [^a-zA-Z\d] | $ )
     |  
        \d+ 
        (?= [a-zA-Z] | [^a-zA-Z\d] | $ )
   )
   [^a-zA-Z\d]* 
|  
   [^a-zA-Z\d]+ 

---

你能显示你的预期输出吗？不看你的链接，最好列出所有适用于连续字母分隔的规则。谢谢你告诉我们。祝你搜索好运。这个问题的一个主要问题是，你要的是一个可以做四件不同事情的正则表达式；并且可以在某种程度上区分ancronym（IBM）和简单的大写单词“TransAM”。这是一个广泛的问题空间。前3个问题可以在一个正则表达式中完成。最后一个（缩写）必须在之后完成，或者如果已知列表可用，则可以立即完成。

   # /(?:[A-Z]?[a-z]+(?=[A-Z\d]|[^a-zA-Z\d]|$)|[A-Z]+(?=[a-z\d]|[^a-zA-Z\d]|$)|\d+(?=[a-zA-Z]|[^a-zA-Z\d]|$))[^a-zA-Z\d]*|[^a-zA-Z\d]+/

   (?:
        [A-Z]? [a-z]+ 
        (?= [A-Z\d] | [^a-zA-Z\d] | $ )
     |  
        [A-Z]+ 
        (?= [a-z\d] | [^a-zA-Z\d] | $ )
     |  
        \d+ 
        (?= [a-zA-Z] | [^a-zA-Z\d] | $ )
   )
   [^a-zA-Z\d]* 
|  
   [^a-zA-Z\d]+