使用 jQuery 将复杂的标点字符串拆分为大于 2 个字符的常规单词

Question

正如标题所示：

我试图将句子拆分为逗号分隔的字符串或数组，其中包含长度大于 2 个字符且唯一的已清理单词（已删除重复项）。

示例字符串可能是：

$sString = 'Stackoverflow's users are awesome!!! Stackoverflow, is the "best" technical questions and answers website on the interwebnet!';

完成的文章：

$sStringAfterProcessing = 'stackoverflow, users, are, awesome, the, best, technical, questions, and, answers, website, interwebnet';

请注意，第一个堆栈流已删除 ，标点符号和重复项均已删除。

这看起来可能会变得非常复杂。

欢迎提出建议，非常感谢所有帮助。

Answer 1

这里...

str = str.replace(/[^\w\s]/ig, "").replace(/\s/g, ", ");

将会产生：

Stackoverflows 用户是很棒的 Stackoverflow，是最好的技术问题和答案网站，位于互联网上

示例： http://jsfiddle.net/ktFj2/1/

或者，采用数组格式：

var arr = str.replace(/[^\w\s]/ig, "").split(" ");

示例： http://jsfiddle.net/nnKV8/

更新： 从数组中删除重复项 (和长度 < 2 的项目），如下所示：

var cleaned = [];
for(var i = 0; i < arr.length; i++) {
    var el = arr[i];

    if (el.length > 2 && $.inArray(el, cleaned) < 0) {
        cleaned.push(el);
    }
}

Answer 2

这是一个基本方法（已编辑）：

    var s = 'Stackoverflow\'s users are awesome!!! Stackoverflow, is the "best" technical questions and answers website on the interwebnet!',
    a = s.split(/[^\w]/),
    h = {},
    l = a.length,
    i = 0,
    f = [];
    for(; i < l; i++){
        if(!h[a[i]] && a[i].length > 2){
            h[a[i]] = true;
            f.push(a[i]);
        }
    }
    console.log(f);

Answer 3

var newStrings = str.split(/[\\ \\.\\,]/);

在正则表达式中放置任何其他标点符号，或使用 \W 表示非字母数字字符。

这将在 str 中产生一个实际单词数组。

然后，迭代 newStrings 并仅打印长度 >= 2 的元素！