Question

我目前正在开发一个python bot，它从HTML页面上的元块中检索信息。我得到了元块的内容，现在我一直试图将它解析为两个不同的字符串。

内容的一个例子是：

Lowercase Words WITH UPPERCASE CONTAINING 2 AND ALSO ', AND MANY MORE CHARACTERS

到目前为止，我有：

lowercase = ' '.join(w for w in content.split() if (not w.isupper()) and (not w.isdigit()))
uppercase = ' '.join(w for w in content.split() if (w.isupper() or w.isdigit()))

其中大写字符串包含的所有内容都不是“小写”或“单词”

我无法在这类问题上找到太多帮助，并且想知道是否有人知道诀窍或解决方法？感谢

Answer 1

这样的东西？

>>> from string import punctuation as punc
def ispunc(strs):
    return all(x in punc for x in strs)
... 
>>> strs = "Lowercase Words WITH UPPERCASE CONTAINING 2 AND ALSO ', AND MANY MORE CHARACTERS"
>>> ' '.join(w for w in strs.split() if (w.isupper() or w.isdigit() or ispunc(w)))           
"WITH UPPERCASE CONTAINING 2 AND ALSO ', AND MANY MORE CHARACTERS"

>>> ' '.join(w for w in strs.split() if (not w.isupper()) and (not w.isdigit() and not ispunc(w)))           
'Lowercase Words'
>>>

Answer 2

为什么不使用regular expressions：

import re

s = "Lowercase Words WITH UPPERCASE CONTAINING 2 AND ALSO ', AND MANY MORE CHARACTERS"
match = re.match(r"(([^\s]*[a-z]+[^\s]*\s+)+)([^a-z]+)", s)
if match:
    lowercase = match.group(1)
    uppercase = match.group(3)

这将匹配以任意数量的单词开头的单个行字符串，每个单词必须包含至少一个小写字母（a-z）。注意，camel-case也被识别为小写字符串（例如"LowerCase"）。然后第二部分将匹配字符串的其余部分，该字符串不得包含任何小写字母。

让我们现在试着理解正则表达式：

我们想要匹配小写单词，所以我们写：[a-z]+
但这只会匹配完全由小写字母组成的单词 - 我们也希望允许其他字符和如果单词包含至少一个小写字符，则将该单词匹配为小写。 [^\s]将匹配任何不是空格（字边界）的字符。我们将这两种模式结合起来：[^\s]*[a-z]+[^\s]*。
这匹配任意数量的非空白字符（甚至为零），后跟小写字符，然后再次跟随任何非空白字符序列。所以这基本上意味着，我们匹配任何不包含空格和至少一个小写字母的序列。
现在我们制作一系列由空格分隔的单词：([^\s]*[a-z]+[^\s]*\s+)+
匹配大写部分很简单，因为我们只需匹配不是小写字符的所有内容（包括空格）：[^a-z]+

为了通过组对两种模式进行匹配，我们再次用括号括起来：
小写：(([^\s]*[a-z]+[^\s]*\s+)+)
大写：([^a-z]+)

也许您需要进一步调整模式，以满足您的需求，但我相信这应该是一个很好的起点......

尝试根据大小写将字符串解析为两个单独的字符串

2 个答案: