Question

我想在我提供的任何分隔符组合上拆分字符串。例如，如果字符串是：

s = 'This, I think,., کباب MAKES , some sense '

分隔符为\.，,和\s。但是我想捕获除空格\s之外的所有分隔符。输出应为：

['This', ',', 'I', 'think', ',.,', 'کباب', 'MAKES', ',', 'some', 'sense']

到目前为止，我的解决方案是使用re模块：

pattern = '([\.,\s]+)'  
re.split(pattern, s)

然而，这也捕获了空白。我尝试使用其他模式，例如[(\.)(,)\s]+，但它们不起作用。

编辑：@PadraicCunningham做了一个精明的观察。对于Some text ,. , some more text之类的分隔符，我只想从,. ,中删除前导空格和尾随空格，而不是从空格中删除。

Answer 1

以下方法将是最简单的方法，我想......

s = 'This, I think,., کباب MAKES , some sense '
pattern = '([\.,\s]+)'
splitted = [i.strip() for i in re.split(pattern, s) if i.strip()]

输出：

['This', ',', 'I', 'think', ',.,', 'کباب', 'MAKES', ',', 'some', 'sense']

Answer 2

注意：根据问题的新编辑，我改进了我的旧正则表达式。新的很长，但相信我，这是工作！

我建议将下面的模式作为函数re.split()的分隔符：

(?<![,\.\ ])(?=[,\.]+)|(?<=[,\.])(?![,\.\ ])|(?<=[,\.])\ +(?![,\.\ ])|(?<![,\.\ ])\ +(?=[,\.][,\.\ ]+)|(?<![,\.\ ])\ +(?![,\.\ ])

我的解决方法不需要任何前/后空间修改。使正则表达式工作的关键在于如何使用or对正则表达式进行排序。我的粗略策略是最后评估处理空间领先的任何模式。

请参阅DEMO

其他

根据@ revo的评论，他提供了我的另一个缩短版本

\s+(?=[^.,\s])|\b(?:\s+|(?=[,.]))|(?<=[,.])\b

请参阅DEMO

Answer 3

根据OP的上次编辑进行更新

Python 3。*：

list(filter(None, re.split('([.,]+(?:\s+[.,]+)*)|\s', s)))

输出：

['This', ',', 'I', 'think', ',.,', 'کباب', 'MAKES', ',', 'some', 'sense']

Answer 4

我相信这是关于内存的最有效选择，并且在计算时间方面非常有效：

import re
from itertools import chain
from operator import methodcaller

input_str = 'This, I think,., ???? MAKES , some sense '

iterator = filter(None,  # Filter out all 'None's
                  chain.from_iterable(  # Flatten the tuples into one long iterable
                    map(methodcaller("groups"),  # Take the groups from each match.
                        re.finditer("(.*?)(?:([\.,]+)|\s+|$)", input_str))))

# If you want a list:
list(iterator)

如何在多个分隔符上拆分字符串但只捕获一些？

4 个答案: