在Python中的标点符号或数字上拆分字符串答案

【问题标题】：Split string on punctuation or number in Python在Python中的标点符号或数字上拆分字符串
【发布时间】：2019-12-21 00:13:24
【问题描述】：

每次遇到标点符号或数字时，我都会尝试拆分字符串，例如：

toSplit = 'I2eat!Apples22becauseilike?Them'
result = re.sub('[0123456789,.?:;~!@#$%^&*()]', ' \1',toSplit).split()

期望的输出是：

['I', '2', 'eat', '!', 'Apples', '22', 'becauseilike', '?', 'Them']

但是，上面的代码（尽管它正确地分割了它应该在的地方）删除了所有的数字和标点符号。

任何澄清将不胜感激。

【问题讨论】：

试试re.findall(r'\d+|[^\w\s]|_|[^\W\d_]+', toSplit)
那么，如果有像11!!这样的字符串，你需要得到['11', '!!']，对吧？
是的，没错。我还没有尝试过这种情况，谢谢指出:)
然后您可以使用re.findall(r'\d+|(?:[^\w\s]|_)+|[^\W\d_]+', toSplit) 将解决方案概括为数字、字母和其他不是空格、字母和数字的字符。我想知道你还想用22.45text?!做什么...

标签： python regex split numbers punctuation

【解决方案1】：

将re.split 与捕获组一起使用：

toSplit = 'I2eat!Apples22becauseilike?Them'
result = re.split('([0-9,.?:;~!@#$%^&*()])', toSplit)
result

输出：

['I', '2', 'eat', '!', 'Apples', '2', '', '2', 'becauseilike', '?', 'Them']

如果要拆分重复的数字或标点符号，请添加+：

result = re.split('([0-9,.?:;~!@#$%^&*()]+)', toSplit)
result

输出：

['I', '2', 'eat', '!', 'Apples', '22', 'becauseilike', '?', 'Them']

【讨论】：

【解决方案2】：

您可以将字符串标记为数字、字母和其他不是空格、字母和数字的字符

re.findall(r'\d+|(?:[^\w\s]|_)+|[^\W\d_]+', toSplit)

这里，

\d+ - 1 位以上
(?:[^\w\s]|_)+ - 除了单词和空格字符或 _ 之外的 1+ 个字符
[^\W\d_]+ - 任意 1+ Unicode 字母。

请参阅regex demo。

匹配方法比拆分更灵活，因为它还允许对复杂结构进行标记。说，您还想标记十进制（浮点数，双精度...）数字。您只需要使用\d+(?:\.\d+)? 而不是\d+：

re.findall(r'\d+(?:\.\d+)?|(?:[^\w\s]|_)+|[^\W\d_]+', toSplit) 
             ^^^^^^^^^^^^^

见this regex demo。

【讨论】：

【解决方案3】：

找到字母范围时使用re.split进行拆分

>>> import re                                                              
>>> re.split(r'([A-Za-z]+)', toSplit)                                      
['', 'I', '2', 'eat', '!', 'Apples', '22', 'becauseilike', '?', 'Them', '']
>>>                                                                        
>>> ' '.join(re.split(r'([A-Za-z]+)', toSplit)).split()                    
['I', '2', 'eat', '!', 'Apples', '22', 'becauseilike', '?', 'Them']

【讨论】：