使用正则表达式拆分Python字符串

Question

我自己试图管理这个，但我不敢......

我有文字：

  

{Łatwe| Proste} szukanie mieszkania {Sprawdź|Wypróbujjuzdziś}，   znalezienie {wcale |wogóle}

我希望从{}中的句子或整个表达式中获取单个单词到列表中。所以在列表中它将如下所示：

• {Łatwe| Proste}
• szukanie
• mieszkania
• {Sprawdź|Wypróbujjuzdzś}
• znalezienie ......

我使用split()方法，但它产生了例如：

• {Sprawdź|Wypróbuj
• 一卷
• dziś}

但它应该是一个字。 我不想在{}中断开表达式。

有任何帮助吗？：）

Answer 1

Python 2.x解决方案：

>>> re.findall(r'{[^}]*}|\b\w+\b', u'{Łatwe|Proste} szukanie mieszkania {Sprawdź|Wypróbuj juz dziś}, znalezienie {wcale|w ogóle}', re.U)
[u'{\u0141atwe|Proste}', u'szukanie', u'mieszkania', u'{Sprawd\u017a|Wypr\xf3buj juz dzi\u015b}', u'znalezienie', u'{wcale|w og\xf3le}']

re.U标记是必需的，因为默认情况下，\b，\w和其他一些标记（\d，\s和被拒绝的对应标记匹配ASCII字符。

Python 3.x解决方案：

re.findall(r'{[^}]*}|\b\w+\b', '{Łatwe|Proste} szukanie mieszkania {Sprawdź|Wypróbuj juz dziś}, znalezienie {wcale|w ogóle}')

在Python 3.x中，\b，\w，\d，\s及其对应方默认会对Unicode字符执行匹配。 re.U标记still exists for backward compatibility，但指定它是多余的。