基于正则表达式的Python拆分字符串

113

"HELLO there HOW are YOU"用大写单词分割字符串的最佳方法是什么（在Python中）？

所以我最终得到一个像这样的数组： results = ['HELLO there', 'HOW are', 'YOU']

编辑：

我努力了：

p = re.compile("\b[A-Z]{2,}\b")
print p.split(page_text)

不过，它似乎不起作用。

python regex split

— 托托
source

2

你尝试了什么？-你找不到re.split()吗？

— 加雷斯·拉蒂

5

当您说某事不起作用时，您应该解释原因。你有例外吗？（如果是这样，请发布整个异常）您是否得到了错误的输出？

— 加雷斯·拉蒂

134

我建议

l = re.compile("(?<!^)\s+(?=[A-Z])(?!.\s)").split(s)

检查这个演示。

— Ωmega
source

5

不使用compile时会发生什么？

— Feelsbadman

3

根据文档，“ 大多数正则表达式操作都可以作为模块级函数和RegexObject方法使用。这些函数是快捷方式，不需要您首先编译regex对象，但是会错过一些微调参数。 ”您可以使用re.split(re.split(pattern, string, maxsplit=0, flags=0))如先前引用的文档中所述。

— ZaydH

57

您可以先行使用：

re.split(r'[ ](?=[A-Z]+\b)', input)

这将在每个空格处分开，后跟一串大写字母，每个大写字母以单词边界结尾。

请注意，方括号仅出于可读性考虑，也可以省略。

如果一个单词的第一个字母大写就足够了（因此，如果您也想在其前面拆分Hello），它将变得更加容易：

re.split(r'[ ](?=[A-Z])', input)

现在，这会在每个空格处分开，后跟任何大写字母。

— 马丁·恩德
source

1

我将如何更改re.split(r'[ ](?=[A-Z]+\b)', input)以便找不到大写字母？例如，它将不匹配“ A”？我试过了re.split(r'[ ](?=[A-Z]{2,}+\b)', input)。谢谢！

@JamesEggers您的意思是您希望至少需要两个大写字母，以免出现类似“ I？”的情况。re.split(r'[ ](?=[A-Z]{2,}\b)', input)应该这样做。

— Martin Ender 2012年

2

我建议至少[ ]+或什\W+至可以抓到更多案件。仍然是一个很好的答案。

— georg

我尝试了相同的方法。但是，拥有一个[ ]对我没有用。相反，我使用\s。对我re.split("\s(?=[A-Z]+\s)", string)

— 有用

0

您的问题包含字符串文字"\b[A-Z]{2,}\b"，但是这\b意味着退格，因为没有r-修饰符。

试试：r"\b[A-Z]{2,}\b"。

— 德鲁伊62
source