Python正则表达式分隔以括号中的数字结尾的字符串

Question

我有一个在 beautifulsoup 操作后生成的列表。它有由括号中的数字分隔的字符串，我想将其拆分为内部列表。例如我有

L1=['alpha(1) beta(4)','delta(5) gamma(6)']

这需要转换成

[[‘alpha’, ‘beta’],[‘gamma’, ‘delta’]]

我从这个开始

[re.split(r'\(\d\)',item) for item in L1] 

但这会在最后一项中创建额外的空间，然后在最后生成一个空白项。

[['alpha', ' beta', ''], ['delta', ' gamma', '']]

所以我在这样的代码中再添加一行

L1=[re.split(r'\(\d\)',item) for item in L1]
[[x.strip() for x in y if x] for y in L1]

这给了我想要的

[['alpha', 'beta'], ['delta', 'gamma']]

所以我的查询是

1. 为什么它只使用命令的第一行来完成它的工作。为什么要创建最后一个元素。
2. 有没有更好的方法通过单一且更简单的正则表达式来实现这一目标？

Answer 1

我会使用拆分：

print([[j.split("(")[0] for j in  i.split()] for i in L1])

返回：

[['alpha', 'beta'], ['delta', 'gamma']]

Answer 2

根据文档，re.split() 的行为与 str.split() 相同，str.split() 的文档明确声明

使用指定的分隔符拆分空字符串返回 ['']。

由于您的分隔符右侧有一个空字符串，因此您的 split() 结果中会出现一个空字符串。我认为为空字符串返回'' 的想法会导致更一致和可预测的行为。

关于实现代码的更好方法，我认为以下内容更清楚：

>>> L1=['alpha(1) beta(4)','delta(5) gamma(6)']
>>> name_list = []
>>> for s in L1:
    name_list.append(re.findall(r'(\w+)\(\d+\)', s))
>>> name_list
[['alpha', 'beta'], ['delta', 'gamma']]

或使用列表推导：

name_list = [re.findall(r'(\w+)\(\d+\)', s) for s in L1]

Answer 3

\(\d\) 模式在您的字符串中找到多个不重叠的匹配项，并在这些位置拆分字符串。这意味着它将'alpha(1) beta(4)' 拆分为alpha、 beta 和一个空字符串，因为最后一个(4) 位于 beta 和字符串结尾之间。

如果您想使用带有原始re.split 方法的正则表达式，您可以考虑使用filter 删除结果列表中的空项目：

import re
L1=['alpha(1) beta(4)','delta(5) gamma(6)']
res = [filter(None, re.split(r'\(\d+\)\s*', item)) for item in L1]
print(res)
# => [['alpha', 'beta'], ['delta', 'gamma']]

请参阅Python demo。 \(\d+\)\s* 将匹配括号内的数字，\s* 将匹配 0+ 个空格。

Answer 4

拆分逗号，然后使用正则表达式替换括号和数字。最后用空格分割字符串。

import re
>>> [re.sub('\(\d\)', '', y).split() for x in L1 for y in x.split(',')]
[['alpha', 'beta'], ['delta', 'gamma']]