基于正则表达式拆分字符串

Posted 2023-02-23

【中文标题】基于正则表达式拆分字符串

【英文标题】：Split string based on regex

【发布时间】：2012-10-23 22:36:17

【问题描述】：

用大写单词（在 Python 中）分割像 "HELLO there HOW are YOU" 这样的字符串的最佳方法是什么？

所以我最终会得到一个这样的数组：results = ['HELLO there', 'HOW are', 'YOU']

---

编辑：

我试过了：

p = re.compile("\b[A-Z]2,\b")
print p.split(page_text)

但它似乎不起作用。

【问题讨论】：

What have you tried? - 找不到re.split()？

当你说某事不起作用时，你应该解释原因。你有例外吗？ （如果是这样，发布整个异常）你得到错误的输出吗？

【参考方案1】：

您可以使用前瞻：

re.split(r'[ ](?=[A-Z]+\b)', input)

这将在每个空格处拆分，后跟一串以单词边界结尾的大写字母。

请注意，方括号只是为了便于阅读，也可以省略。

如果单词的第一个字母是大写就足够了（所以如果你也想在Hello 前面拆分），那就更容易了：

re.split(r'[ ](?=[A-Z])', input)

现在它在每个空格处拆分，后跟任何大写字母。

【讨论】：

如何更改re.split(r'[ ](?=[A-Z]+\b)', input) 使其找不到大写字母？例如。它不会匹配“A”？我试过re.split(r'[ ](?=[A-Z]2,+\b)', input)。谢谢！

@JamesEggers 你的意思是你希望至少需要两个大写字母，这样你就不会在I 这样的词处分裂？ re.split(r'[ ](?=[A-Z]2,\b)', input) 应该这样做。

我建议至少[ ]+ 甚至\W+ 来捕获更多的案例。不过，一个很好的答案。

我尝试了同样的方法。但是，拥有[ ] 对我不起作用。相反，我使用了\s。对我有用的完整正则表达式是re.split("\s(?=[A-Z]+\s)", string)

【参考方案2】：

我建议

l = re.compile("(?<!^)\s+(?=[A-Z])(?!.\s)").split(s)

检查this demo。

【讨论】：

不使用 compile 会发生什么？

根据re docs，“大多数正则表达式操作都可用作模块级函数和 RegexObject 方法。这些函数是不需要您先编译正则表达式对象的快捷方式，但错过了一些微调参数。" 您可以使用前面引用的文档中提到的re.split(re.split(pattern, string, maxsplit=0, flags=0))。

【参考方案3】：

您的问题包含字符串文字"\b[A-Z]2,\b"， 但是 \b 将意味着退格，因为没有 r 修饰符。

试试：r"\b[A-Z]2,\b"。