在Swift中处理长文本时要面对多个边缘情况

Question

我现在有一个很长的文本，里面有数字，单词，符号(如"，?，我现在有一个非常长的文本与数字，词，符号(即“，？，;，'，‘，-，+等)。我试图从文本中剥离所有的数字和符号，所以我纯粹有一个文本，只有单词。

我的期望是(在下面的示例中忽略语义)：

(BEFORE Sanitization) John's pet (Parson) is sleeping in a car: a BMW. 

(AFTER Sanitization)  John s pet Parson is sleeping in a car a BMW 

下面是我尝试的代码：

static func splitText(text: String) -> [String] {
    let lowerCasedString = text.lowercased()
    let sanitizedString = lowerCasedString.replacingOccurrences(of: "\\d+|:", with: " ", options: .regularExpression)
    let splittedStringArray = sanitizedString.split { [",", "[", "]", " ", " - ", "(", ")", ".", "/"].contains( String($0)) }.map(String.init)
    print(splittedStringArray)
    
    return splittedStringArray
}

当我运行这个函数时，我仍然看到许多符号和单词，比如John's。如何改进此功能以删除所有可能的符号？

我只想让字母留在我的文字里。

另外，Swift中是否有用于此目的的消毒框架？

Answer 1

这个答案利用了NSString。

import Foundation

public extension String {
  var sanitized: String {
    return self
      .replacingOccurrences(of: "[^a-zA-Z0-9]", with: " ", options: .regularExpression)
      .replacingOccurrences(of: "\\s+", with: " ", options: .regularExpression)
  }
}

print("John's pet (Parson) is sleeping in a car: a BMW.".sanitized) // John s pet Parson is sleeping in a car a BMW

它通过两次通过String来工作:第一，替换非字母数字字符的出现；第二，用单个空格替换多个空格。