在使用regex标记时区分引号和撇号

Question

有了一些文字，我想把它恰当地标记在单词上。文本中可能出现：

• 中间带撇号的单词（不能，我来，会计账簿）
• 最后加上撇号的词（雇主协会，我花了一天的大部分时间来重温这段断掉的部分）
• 引号，直接放在单词后面或单词之间，比如：word'word
• 文本按句子分割，但引号内可以有多个句子，还有，带撇号的单词也可以留在引号内
• 不同的曲子符号，比如“开”和“闭”，或者一个是“另一个是”或者“或者”，等等。。。在

你有什么建议来解决这个问题？ 它可以用regex（例如pythonre）解决吗？ 我要用撇号的单词不要分开，引号要从单词标记中分开

枯燥无味的文本戒指.txt例如有点棘手：

• 输入：几乎没有任何“政府”。 输出：[“had”、“harly”、“any”、“'”、“government”、“'”]（识别为引号）

• 一个更大的机构，根据需要变化，被用来“突破界限” 是一个引语，但是由于结尾s'

• “这不自然，会有麻烦的！”引号内的撇号

• “精灵和龙”我对他说。又是一句名言。

Answer 1

我的建议是试着把你的案子分解。如果您想按单词分割（意思是单词的两端都有空格），可能一个简单的split就可以完成它的工作。在

>>> my_str = "words like that'"
>>> my_str.split(' ')
['words', 'like', "that'"]
>>>

如果更复杂的话，regex似乎是个更好的主意。您可以使用(a|b)，意思是匹配a或b。我的建议是多做些实验，最好的实验地点在这里：regex101.com。为了让事情更清楚，在左面板中选择“Python”！在