Question

首先，我有一个由项目列表组成的字符串，可以使用 枚举器 （逗号/'和'）或文章（“ a” /“ an” /“ the”）。请注意，如果有枚举器，则可以省略该文章，反之亦然

例如，让我们看一下此输入：

a paper, leaf the clock and an angel

这必须分为：

a paper
leaf
the clock
an angel

第一个示例只有单个名称的项目，所以让我们看另一个示例：

a paper with some letters, a torn leaf and clock and an angel doll

这必须分为：

a paper with some letters
torn leaf
clock
an angel doll

我已经为此尝试过一些正则表达式，而我最近使用的是：

(?:\b(?P<article>the|an|a)\b)\s(?P<object>\b.+?\b(?=\b(?:the|an|a|$)\b))

当然，我不考虑'，'/'和'拆分，因为我无法弄清楚，

最后，正如您所看到的，我使用组从 article 识别/分离对象。如果那样的话那将是很棒的。您有什么建议...

Answer 1

只需使用re.split()

import re

a = "a paper with some letters, a torn leaf and clock and an angel doll"

### put every separator you want to remove after a |
re.split(', |and |a ',a)
# result:
['', 'paper with some letters', '', 'torn leaf ', 'clock ', '', 'angel doll']

如果需要保留分隔符，请使用方括号：

[i for i in re.split('(, |and |a )',a) if i]
# result:
['a ', 'paper with some letters', ', ', 'a ', 'torn leaf ', 'and ', 'clock ', 'and ', 'an angel doll']

Answer 2

以re.split()的正则表达式中匹配的内容的降序来枚举所有小的案例：

import re

s = "a paper with some letters, a torn leaf and clock and an angel doll"

re.split(r'^an |^a |^the |, and a |, and an |, and the |, and |, and an |, an |, the |, a | and an | and | an | the', s)
# ['', 'paper with some letters', 'torn leaf', 'clock', 'angel doll']

其余的只是清理''，依此类推。

要保留匹配的内容，请按照文档将正则表达式括在括号中：

re.split(r'(^an |^a |^the |, and a |, and an |, and the |, and |, and an |, an |, the |, a | and an | and | an | the )', s)

# ['', 'a ', 'paper with some letters', ', a ', 'torn leaf', ' and ', 'clock', ' and an ', 'angel doll']

Answer 3

关于我要解决的特定任务，我遇到了另一个想法，步骤如下：

在出现“和”或“，”后没有和文章时添加默认文章（该）

"( and|,) (?!the|an|a)|^(?!the|an|a)" # replace with " the "

从输入文本中删除每个“和”或“，”（现在每个对象都应按文章分开）

"( and|,) " # replace with " "

将输入内容分隔为文章+除文章以外的所有内容

"(?P<article>the|an|a) (?P<object>.+?(?= (?:the|an|a)\b)|[^$]*)"

PS：如果有人知道最后一个正则表达式的替代方法，请随时发布！：）

Answer 4

通过使用re.sub（），我们可以用新行替换特定的字符串。在re.sub（）中，您可以添加需要用换行替换的文章。

示例代码：

s = 'a paper with some letters, a torn leaf and clock and an angel doll'

print(re.sub(r'(and|,)\s', r"\0\n", s))

输出：

a paper with some letters
a torn leaf 
clock 
an angel doll

使用正则表达式拆分项目列表

4 个答案: