我需要熟练的地鼠的一些建议。
我正在解析某些句子中的单词，而我的正则\w+表达式可以很好地处理拉丁字符。但是，它完全失败，并带有一些西里尔字母。
这是一个示例应用程序：
package main
import (
"fmt"
"regexp"
)
func get_words_from(text string) []string {
words := regexp.MustCompile("\\w+")
return words.FindAllString(text, -1)
}
func main() {
text := "One, two three!"
text2 := "Раз, два три!"
text3 := "Jedna, dva tři čtyři pět!"
fmt.Println(get_words_from(text))
fmt.Println(get_words_from(text2))
fmt.Println(get_words_from(text3))
}
它产生以下结果：
[One two three]
[]
[Jedna dva t i ty i p t]
对于俄语，它将返回空值，对于捷克语，它将返回额外的音节。我不知道如何解决这个问题。有人可以给我一些建议吗？
还是有更好的方法将句子拆分成单词而不用标点符号？
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句