如何分割多個分隔符的字符串，但只捕獲一些？

我想分割我提供的任何分隔符組合上的字符串。例如，如果字符串是：如何分割多個分隔符的字符串，但只捕獲一些？

s = 'This, I think,., کباب MAKES , some sense '

而且分隔符\.，,和\s。但是，我想要捕獲除空格\s之外的所有分隔符。輸出應該是：

['This', ',', 'I', 'think', ',.,', 'کباب', 'MAKES', ',', 'some', 'sense']

我的解決方案迄今使用re模塊：

pattern = '([\.,\s]+)' 
re.split(pattern, s)

然而，這種捕捉空白也是如此。我曾嘗試使用其他模式，如[(\.)(,)\s]+，但它們不起作用。

編輯：@PadraicCunningham做了精明的觀察。對於像Some text ,. , some more text這樣的分隔符，我只想從,. ,中刪除前導空格和尾部空格，而不是內部空白。

來源

2016-09-25 hazrmard

你能不能刪除' \ s'最初？ – eavidan

從捕獲的結果中刪除字符串中的空白字符怎麼樣？這不是問題的一般化解決方案，由於正則表達式的簡單性，它應該在這裏「工作」。 – user2864740

@eavidan但它不會在空白處分割。這樣我就不得不在第一次拆分返回列表的每個元素上運行're.split（'\ s'，...）'。 – hazrmard

下面的方法是最簡單的一種，我想...

s = 'This, I think,., کباب MAKES , some sense ' 
pattern = '([\.,\s]+)' 
splitted = [i.strip() for i in re.split(pattern, s) if i.strip()]

輸出：基於OP的最後編輯

['This', ',', 'I', 'think', ',.,', 'کباب', 'MAKES', ',', 'some', 'sense']

來源

2016-09-25 20:06:05 RomanPerekhrest

'if i.strip（）'足以檢查一個空字符串 –

@PadraicCunningham，正好在分割後產生結果：'...'，'，'some'，''，'sense '，''。單個空格和尾部空格應該被濾除 – RomanPerekhrest

'strip（）不會刪除嵌入在其他分隔符之間的空格。我想你必須通過類似'[i for in [re.sub（r'\ s'，''，i）for i in re.split（r'（[，。\ s] +） '，s）] if len（i）> 0]' –

更新

的Python 3 *：

list(filter(None, re.split('([.,]+(?:\s+[.,]+)*)|\s', s)))

輸出：

['This', ',', 'I', 'think', ',.,', 'کباب', 'MAKES', ',', 'some', 'sense']

來源

2016-09-25 20:17:19 revo

我相信這是關於記憶的最有效的選擇，而真正有效的有關計算時間：

import re 
from itertools import chain 
from operator import methodcaller 

input_str = 'This, I think,., ???? MAKES , some sense ' 

iterator = filter(None, # Filter out all 'None's 
        chain.from_iterable( # Flatten the tuples into one long iterable 
        map(methodcaller("groups"), # Take the groups from each match. 
         re.finditer("(.*?)(?:([\.,]+)|\s+|$)", input_str)))) 

# If you want a list: 
list(iterator)

來源

2016-09-25 20:17:58 Bharel

''這，我想，。，，？ MAKES，一些意義「，並打破，檢查OP的編輯。 –

我不知道你可以在're.split（）'中捕獲組。很高興知道。 – Bharel

@PadraicCunningham修復了它。順便說一下，它在內存方面效率更高，因爲它佔用了接受解決方案的1/3。 – Bharel

注：根據有關這個問題的新的編輯，我改進了我的舊正則表達式。新的很長，但相信我，這是工作！

我建議以下的功能re.split()的分隔符的模式：

(?<![,\.\ ])(?=[,\.]+)|(?<=[,\.])(?![,\.\ ])|(?<=[,\.])\ +(?![,\.\ ])|(?<![,\.\ ])\ +(?=[,\.][,\.\ ]+)|(?<![,\.\ ])\ +(?![,\.\ ])

在這裏，我的解決方法不需要任何前/後空間修飾。使正則表達式工作的事情是關於如何使用or來訂購正則表達式。我的粗略策略是任何處理空間領先的模式都將在最後評估。

見DEMO

附加

據@雷沃的評論，他提供我的一個又一個縮短版本，這是

\s+(?=[^.,\s])|\b(?:\s+|(?=[,.]))|(?<=[,.])\b

見DEMO

來源

2016-09-25 20:36:02 fronthem

仍然替代'某些文字，。，一些'。請參閱OP的編輯。 – Bharel

@Bharel請檢查出來。 – fronthem

@hazrmard另一個解決方法。 – fronthem

如何分割多個分隔符的字符串，但只捕獲一些？

回答

相關問題