如何选择带标点符号的单词并从缩写中排除句点？
我有以下Ruby Regex选择标点符号并排除作为数字一部分的句点：
/\p{L}+|(?!\.\d)[[:punct:]]/ The profit was 5.2 thousand dollars. => The profit was thousand dollars. 我有一个正则表达式，可以选择缩写（美国），例如：
(?:[a-zA-Z]\.){2,}
The USA is located in North America 。
=> USA
我想使用这些正则表达式背后的想法，以便我可以选择句子中的所有单词和标点符号，除了任何缩写中的任何句点：
The USA is located in North America! => The USA is located in North America!
有关如何实现这一目标的任何想法？
str = "The USA have 50.1415 states approx and are located in North America!" str.gsub(/(?
我认为它应该分两步完成，因为你不能将不连续的文本部分与一个匹配的迭代匹配。
使用
s = 'The USA is located in North America!' s = s.gsub(/\b(?:\p{L}\.){2,}/) { $~[0].gsub(".", "") } puts s.scan(/\p{L}+|(?!\.\d)[[:punct:]]/)
查看Ruby演示
第一步是运行带有\b(?:\p{L}\.){2,}模式的gsub （我添加了一个单词边界以确保模式只匹配1个字母的块）。 在块内，使用文字文本替换从点中去除匹配值。
第二步是在scan运行第一个正则表达式来收集所需的块。
我认为单独使用正则表达式会很困难，我很乐意通过一个有效的解决方案来纠正。
我的解决方案
首先使用第二个正则表达式解析您不想要的代码（缩写），然后使用第一个正则表达式（选择单词和标点符号）。 当您运行第一个正则表达式时，这将有效地隐藏处理的缩写。
我对项目有类似的要求。 关键是使用分区方法，遍历正则表达式（在你的情况下为2）并确保你不使用相同的正则表达式来循环中前一个正则表达式"captured"的字符串。
你可以在github： SourceParser中使用这个类，并像这样使用它：
parser = SourceParser.new parser.regexter('abbrs', /(?:[a-zA-Z]\.){2,}/) # return matched as is parser.regexter( 'first regex', /\p{L}+|(?!\.\d)[[:punct:]]/, lambda do |token, regexp| "(#{token})" end ) parser.parse("The USA is located in North America") # => (The) USA (is) (located) (in) (North) (America)