JavaScript：移除字符串标点但保留撇号并拆分单词的问题

你的核心问题是原来的正则会把单词内部的撇号（比如wasn't里的'）当成无效字符删掉，因为\w只包含字母、数字和下划线，不包含撇号。我们可以换个思路，直接精准匹配符合要求的单词，而不是先做全局替换再分割。

推荐解决方案 #

直接使用match()方法匹配所有目标单词：单词可以是纯字母，或者字母+内部撇号+字母的组合（撇号不能在开头或结尾）。代码如下：

const sentence = "Exclamation! Question? \"Quotes.\" 'Apostrophe'. Wasn't. 'Couldn't'. \"Didn't\".";
const extractedWords = sentence.match(/\b[a-z]+(?:['’][a-z]+)?\b/gi).map(word => word.toLowerCase());

console.log(extractedWords);
// 输出: ["exclamation", "question", "quotes", "apostrophe", "wasn't", "couldn't", "didn't"]

正则规则解释 #

• \b：单词边界，确保我们匹配的是完整单词，不会截取长单词的一部分
• [a-z]+：匹配一个或多个字母（配合i标志忽略大小写，大写字母也能被识别）
• (?:['’][a-z]+)?：非捕获组，匹配一个撇号（包括智能引号’）+ 一个或多个字母，?表示这个组是可选的——既可以匹配纯字母单词，也能兼容wasn't这类带内部撇号的单词
• gi：全局匹配（g）+ 忽略大小写（i）

为什么原来的方法失效？ #

你原来的代码：

sentence.toLowerCase().replace(/[^\w\s]/gi, "").split(" ");

这里的[^\w\s]会匹配所有非单词字符（\w不包含撇号）和非空格的字符，所以wasn't里的'会被替换为空，最终变成wasnt，不符合预期。

另一种替换思路（可选） #

如果你更习惯用replace+split的方式，也可以先去掉包裹单词的单双引号，再清理其他标点，同时保留单词内部的撇号：

const extractedWords = sentence.toLowerCase()
  // 移除包裹单词的单双引号
  .replace(/(^|\s)['"]([^'"]+)['"](\s|$)/g, '$1$2$3')
  // 清除除字母、空格、撇号外的所有字符
  .replace(/[^\w\s']/g, '')
  // 按一个或多个空格分割（避免多空格产生空字符串）
  .split(/\s+/)
  // 过滤可能存在的空字符串
  .filter(Boolean);

内容的提问来源于stack exchange，提问作者MysteryPancake