正则表达式连接由空格和连字符分隔的单词

时间:2019-01-28 14:32:34

标签: python regex python-3.x whitespace hyphen

我的字符串很乱,看起来像这样:

s="I'm hope-less and can -not solve this pro- blem on my own. Wo - uld you help me?"

我想用连字符(有时是空格)将单词剥离在一起。.所需输出:

list = ['I'm','hopeless','and','cannot','solve','this','problem','on','my','own','.','Would','you','help','me','?']

我尝试了很多不同的变体,但是没有任何效果。

rgx = re.compile("([\w][\w'][\w\-]*\w)") s = "My string'" rgx.findall(s)

3 个答案:

答案 0 :(得分:1)

这是一种方法:

[re.sub(r'\s*-\s*', '', i) for i in re.split(r'(?<!-)\s(?!-)', s)]

# ["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own.', 'Would', 'you', 'help', 'me?']

这里有两个操作:

  1. 使用负向超前和负向超前分割基于空白不带连字符的文本。

  2. 在每个拆分词中,将连字符前面或后面的空格替换为空字符串。

您可以在此处查看第一个操作的演示:https://regex101.com/r/ayHPvY/2

第二个:https://regex101.com/r/ayHPvY/1

编辑:要使.?也分开,请改用此方法:

[re.sub(r'\s*-\s*','', i) for i in re.split(r"(?<!-)\s(?!-)|([^\w\s'-]+)", s) if i]

# ["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own', '.', 'Would', 'you', 'help', 'me', '?']

捕获也将非字母,非空格和连字符/撇号分开。 if i是必需的,因为拆分可能会返回一些None项。

答案 1 :(得分:0)

一种快速,非正则表达式的方法是

''.join(map(lambda s: s.strip(), s.split('-'))).split()

可以用连字符分隔,带空格,再连接成字符串并按空格分隔,但这不分隔点或问号。

答案 2 :(得分:0)

如何?

>>> s
"I'm hope-less and can -not solve this pro- blem on my own. Wo - uld you help me
?"
>>> list(map(lambda x:re.sub(' *- *','',x), filter(lambda x:x, re.split(r'(?<!-) +(?!-)|([.?])',s))))
["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own', '.', 'Would', 'you', 'help', 'me', '?']

上面使用了简单的空格' ',但最好使用\s

list(map(lambda x:re.sub('\s*-\s*','',x), filter(lambda x:x, re.split(r'(?<!-)\s+(?!-)|([.?])',s))))

(?<!-)\s+(?!-)表示之前或之后没有-的空格。
[.?]表示单个.?

re.split(r'(?<!-)\s+(?!-)|([.?])',s)将相应地拆分字符串,但其中将包含None和空字符串''

["I'm", None, 'hope-less', None, 'and', None, 'can -not', None, 'solve', None, 'this', None, 'pro- blem', None, 'on', None, 'my', None, 'own', '.', '', None, 'Wo - uld', None, 'you', None, 'help', None, 'me', '?', '']

此结果直接送入filter以除去None'',然后送入map以除去每个单词内的空格和-