我正在编写一段代码，用于从运行的文本中提取单词。此文本可以包含文本中可能存在的分隔符，如\r、\n 等。
我想丢弃所有这些分隔符，只提取完整的单词。我怎样才能用 Python 做到这一点？任何可用于在 python 中处理文本的库？
请您参考如下方法:
假设你对“word”的定义与正则表达式模块(re)一致，即字母、数字和下划线，很简单:
import re
fullwords = re.findall(r'\w+', thetext)
其中 thetext 是有问题的字符串(例如，来自文件对象 f 的 f.read() 打开以供读取，如果这是您获取文本的来源)。
如果您以不同的方式定义单词(例如，您想要包含撇号，因此例如“it's”将被视为“一个单词”)，这并不难——只需用作 findall< 的第一个参数 适当的模式，例如r[\w']+" 表示撇号大小写。
如果您需要非常、非常复杂(例如，处理在单词之间不使用中断的语言)，那么问题突然变得更加困难，您将需要一些第三方包喜欢nltk .
