Python实现extract_words提取单词时如何去除输出中的多余反斜杠？

错误原因 #

你编写的代码存在两个典型问题：

• 若直接使用字符串split()方法拆分：只会按空格切割文本，不会自动去除单词末尾附着的标点（如示例中string.末尾的句号），无法得到符合预期的结果
• 若使用正则匹配实现但规则错误：没有在匹配规则中加入撇号'的匹配逻辑，会把There're这类带撇号的单词拆成两个独立部分，和要求不符

修复代码 #

使用正则匹配实现，直接抓取所有由字母、撇号组成的连续字符即可满足要求：

import re

def extract_words(text: str) -> list:
    # 匹配所有包含大小写字母、撇号的连续字符串
    return re.findall(r"[a-zA-Z']+", text)

效果验证 #

执行测试代码：

test_input = "There're six words in this string."
print(extract_words(test_input))

输出结果和要求完全一致：

["There're", 'six', 'words', 'in', 'this', 'string']

内容的提问来源于stack exchange，提问作者ZhengruiLu