使用包含小写，camelcase，数字的正则表达式拆分字符串

Question

我正在使用python中的tweepy来获取Twitter趋势，并且我能够找到世界前50大趋势，所以对于样本我得到这样的结果

#BrazilianFansAreTheBest, #PSYPagtuklas, Federer, Corcuera, Ouvindo ANTI,
艦これ改, 영혼의 나이, #TodoDiaéDiaDe, #TronoChicas, #이사람은_분위기상_군주_장수_책사, 
#OTWOLKnowYourLimits, #BaeIn3Words, #NoEntiendoPorque 

（请忽略非英语单词）

所以在这里我需要解析每个标签并将它们转换成正确的英文单词。我还检查了人们如何编写标签并找到以下方式 -

 #thisisawesome
 #ThisIsAwesome
 #thisIsAwesome 
 #ThisIsAWESOME
 #ThisISAwesome
 #ThisisAwesome123 

（有些时候主题标签也有数字）

因此，请记住所有这些，我想如果我能够在字符串下方拆分，那么上述所有案例都将被涵盖。

string ="pleaseHelpMeSPLITThisString8989"

Result = please, Help, Me, SPLIT, This, String, 8989

我使用re.sub尝试了一些东西，但它没有给我预期的结果。

Answer 1

正则表达式是用于该工作的错误工具。您需要一个明确定义的模式才能编写好的正则表达式，在这种情况下，您没有一个。假设您可以拥有Capitalized Words，CAPITAL WORDS，lowercase words和数字，则没有真正的方法可以查看THATSand并区分THATS and或{ THAT Sand。

自然语言方法将是一个更好的解决方案，但同样，它不可避免地会遇到与上述相同的问题-您如何区分两种（或更多种）完全有效的方法来解析相同的输入？现在，您需要获取一些普通的句子，为您打算解析的每种语言构建一个句子，并且 still 还需要担心正确解析twitter经常出现的毫无意义的标签。

问题就变成了，为什么根本需要分割字符串？我建议您找到一种忽略此要求的方法，因为与开发此特定解决方案相比，几乎可以肯定，解决问题要容易得多。