Question

我试图设计一种聪明的方法来划分一串作者，问题是该字符串不仅使用逗号来表示作者之间的划分，而且还使用逗号来区分他们的名字和姓氏。所以一个例子是：

"LastName1, F.N., LastName2, S.N, Lastname3, T."

我可以使用一些tokenize函数将字符串除以标记然后加入它们，但我不认为这是强大的：

def tokenize(str, token=','):
  return [x for x in re.split(r'\s*%s\s*' % token,str) if x]

def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return itertools.zip_longest(*args, fillvalue=fillvalue)

auth = "LastName1, F.N., LastName2, S.N, Lastname3, T."
tmp1 = tokenize(auth)
tmp2 = grouper(tmp1, 2)
print(["{} {}".format(*i) for i in tmp2])

运行此代码将返回：

['LastName1 F.N.', 'LastName2 S.N', 'Lastname3 T.']

有更好（更强大）的方法吗？

Answer 1

这是一个真正的简单的标记化器，专门为逗号编写，（所以很清楚它在做什么）：

def tokenize(str):
    return re.findall(r'([^,]*,[^,]*),?', str)

它查找字符串，逗号，字符串，带可选的尾部逗号，返回所有匹配项。

Answer 2

这样做你想要的吗？

>>> auth = 'LastName1, F.N., LastName2, S.N, Lastname3, T.'
>>> names = tuple(map(str.strip, auth.split(',')))
>>> assert not len(names) & 1, 'names must come in pairs'
>>> data = [names[offset:offset+2][::-1] for offset in range(0, len(names), 2)]
>>> print(data)
[('F.N.', 'LastName1'), ('S.N', 'LastName2'), ('T.', 'Lastname3')]

它提供了一对包含名字和姓氏的列表。

修改

以下是根据您的评论进行的更正。

>>> auth = 'LastName1, F.N., LastName2, S.N, Lastname3, T.' >>> names = tuple(map(str.strip, auth.split(','))) >>> assert not len(names) & 1, 'names must come in pairs' >>> data = [' '.join(names[index:index+2]) for index in range(0, len(names), 2)] >>> print(data) ['LastName1 F.N.', 'LastName2 S.N', 'Lastname3 T.']

现在输出与您想要的完全相同。

将作者字符串划分为作者

2 个答案: