Question

我有一大堆化学数据，其中包含以下条目：

1. 2,4-D, Benzo(a)pyrene, Dioxin, PCP, 2,4,5-TP
2. Lead,Paints/Pigments,Zinc

我有一个功能正确地将第一个条目拆分为： ['2,4-D'，'苯并（a）芘'，'二恶英'，'PCP'，'2,4,5-TP']

基于'，'作为分隔符。对于第二个条目，'，'将不起作用。但是，如果我可以轻松拆分任何包含'，'的字符串，两侧只有两个非数字字符，我就可以解析所有条目，如第二个，而不会拆分化学品在第一个条目中，名称中的数字用逗号分隔（即2,4,5-TP）。

有一种简单的pythonic方式吗？

Answer 1

我根据@ eph的回答解释了一下：

import re

data_list = ['2,4-D, Benzo(a)pyrene, Dioxin, PCP, 2,4,5-TP', 'Lead,Paints/Pigments,Zinc']
for d in data_list:
    print re.split(r'(?<=\D),\s*|\s*,(?=\D)',d)

re.split(pattern, string)会按正则表达式模式的出现拆分 string 。（如果你不熟悉正则表达式，请阅读Regex Quick Start。）

(?<=\D),\s*|\s*,(?=\D)由两部分组成：(?<=\D),\s*和\s*,(?=\D)。每个单位的含义：

中间|是OR运算符。
\D匹配不是数字的单个字符。
\s匹配空格字符（包括制表符和换行符）。
,匹配字符＆＃34;，＆＃34;。
*尝试将前一个令牌匹配零次或多次。因此，\s*表示空白可以出现零次或多次。（见Repetition with Star and Plus）
(?<= ... )和(?= ...)是lookbebind and lookahead assertions。例如，q(?=u)匹配后跟q的{{1}}，而不会匹配u部分。

因此，u匹配前面有零个或多个空格的\s*,(?=\D)，后跟非数字字符。同样，,匹配前面带有非数字字符且后跟零个或多个空格的(?<=\D),\s*。整个正则表达式会找到满足任一情况的,，这相当于您的要求：＆＃39;，＆＃39;只有两个非数字字符。

正则表达式的一些有用工具：

Regex Cheat Sheet
在线正则表达式测试器：regex101（对正则表达式有树结构说明）

Answer 2

使用正则表达式和lookbehind / lookahead断言

>>> re.split(r'(?<=\D\D),\s*|,\s*(?=\D\D)', s)
['2,4-D', 'Benzo(a)pyrene', 'Dioxin', 'PCP', '2,4,5-TP']

Answer 3

>>> s1 = "2,4-D, Benzo(a)pyrene, Dioxin, PCP, 2,4,5-TP"
>>> s2 = "Lead,Paints/Pigments,Zinc"
>>> import re
>>> res1 = re.findall(r"\s*(.*?[A-Za-z])(?:,|$)", s1)
>>> res1
['2,4-D', 'Benzo(a)pyrene', 'Dioxin', 'PCP', '2,4,5-TP']
>>> res2 = re.findall(r"\s*(.*?[A-Za-z])(?:,|$)", s2)
>>> res2
['Lead', 'Paints/Pigments', 'Zinc']

当分隔符两侧的字符不是数字时，在python中拆分字符串

3 个答案: