用分隔符和條件拆分字符串

Question

我試圖拆分由whitespace, +, =定界的化學反應的一般字符串，其中可能有任意數量的空格。這是一般情況，但我也需要它在()內發現+時，有條件地在括號字符()上分割。

例如：

reaction= 'C5H6 + O = NC4H5 + CO + H' 

應拆分，使得結果是

 splitresult=['C5H6','O','NC4H5','CO','H'] 

此情況下，使用時filter(None,re.split('[\s+=]',reaction))似乎簡單。但現在有條件分裂。一些反應將有一個(+M)，我也想分開，只留下M。在這種情況下，總會有一個+M括號

內部。例如：

reaction='C5H5 + H (+M)= C5H6 (+M)' 
    splitresult=['C5H5','H','M','C5H6','M'] 

然而，會有一些情況下，括號不會分隔符。在這些情況下，不會有+M，但其他的東西並不重要。

例如：

reaction='C5H5 + HO2 = C5H5O(2,4) + OH' 
    splitresult=['C5H5','HO2','C5H5O(2,4)','OH'] 

我最好的猜測是使用負前瞻和回顧後，以匹配+M，但我不知道如何把到這一點我上面使用了簡單的情況下，正則表達式表達。我的直覺是使用類似filter(None,re.split('[(?<=M)\)\((?=\+)=+\s]',reaction))。任何幫助深表感謝。

Answer 1

你可以使用re.findall（）代替：

re.findall（圖案，字符串標誌= 0） 返回圖案的所有非重疊 匹配字符串中，作爲一個字符串列表。該字符串是從左到右掃描的 ，匹配按找到的順序返回。如果 模式中存在一個或多個組，則返回 組的列表;如果該模式具有多個 組，則這將是元組列表。除非他們觸及另一場比賽的開始 ，否則結果中會包含空符。

則：

import re 
reaction0= 'C5H6 + O = NC4H5 + CO + H' 
reaction1='C5H5 + H (+M)= C5H6 (+M)' 
reaction2='C5H5 + HO2 = C5H5O(2,4) + OH' 
re.findall('[A-Z0-9]+(?:\([1-9],[1-9]\))?',reaction0) 
re.findall('[A-Z0-9]+(?:\([1-9],[1-9]\))?',reaction1) 
re.findall('[A-Z0-9]+(?:\([1-9],[1-9]\))?',reaction2) 

但是，如果你喜歡re.split（）和濾波器（），則：

import re 
reaction0= 'C5H6 + O = NC4H5 + CO + H' 
reaction1='C5H5 + H (+M)= C5H6 (+M)' 
reaction2='C5H5 + HO2 = C5H5O(2,4) + OH' 
filter(None , re.split('(?<!,[1-9])[\s+=()]+(?![1-9,])',reaction0)) 
filter(None , re.split('(?<!,[1-9])[\s+=()]+(?![1-9,])',reaction1)) 
filter(None , re.split('(?<!,[1-9])[\s+=()]+(?![1-9,])',reaction2)) 

---

模式爲findall是從不同的模式拆分, 因爲findall和拆分正在尋找不同的東西; '相反的東西'的確如此。

findall，正在尋找你想要的（保持它）。

拆分，正在尋找你不想（擺脫它）。

在findall，'[A-Z0-9] +（？:(（1-9），[1-9]））？' 匹配任何大寫或數>[A-Z0-9]， 一次或多次>+，後續由一對數字，在中間一逗號，內括號的>\（[1-9]，[1-9] \） （字符類以外字面括號，必須用反斜槓轉義 '\'），任選>？

\（[1-9]，[1-9] \）是內部（？：），然後， 的？（使其可選）; （），而不是（？：）的作品，但在這種情況下，（？：）更好; （？：）是一個沒有捕獲組：閱讀關於這個。

嘗試與在正則表達式拆分

Answer 2

這似乎過於複雜，處理與單個正則表達式分裂字符串。這將會是很容易分開處理的（+ M）的特殊情況：

halfway = re.sub("\(\+M\)", "M", reaction) 
result = filter(None, re.split('[\s+=]', halfway)) 

Answer 3

因此，這裏是你正在尋找的正則表達式。

正則表達式：使用((?=\(\+)\()|[\s+=]|((?<=M)\))

標誌：

• g全局搜索。或根據您的情況使用它們。

說明：

• ((?=\(\+)\()檢查一個(其存在如果(+存在。這涵蓋了您的(+M)問題的第一部分。

• ((?<=M)\))檢查一個)如果M由)之前，其存在。這涵蓋了您的(+M)問題的第二部分。

• [\s+=]檢查所有剩餘的whitespaces,+和=。這涵蓋了問題的最後部分。

注：爲digits照顧被()雙方positive lookahead和positive lookbehind斷言確保封閉。

Check Regex101 demo for working

P.S：讓它適合自己，因爲我不是一個Python程序員呢。