在 Python 中拆分字符串，但子字符串中有空格答案

【问题标题】：Splitting strings in Python, but with spaces in substrings在 Python 中拆分字符串，但子字符串中有空格
【发布时间】：2017-06-30 15:42:45
【问题描述】：

我有一个字符串，我想将其拆分为特定类型的列表。比如我想把Starter Main Course Dessert拆分成[Starter, Main Course, Dessert]

我不能使用 split() 因为它会拆分 Main Course 类型。我该如何进行拆分？需要正则表达式吗？

【问题讨论】：

您必须知道单词或部分单词或布局才能做到这一点..
什么匹配 Main Course 但不匹配 Starter Main 或 Course Dessert（来自 Starter Main Course Dessert）？这是不可能的，AFAIK。
是的，我知道要拆分成的单词，但我不确定如何从原始字符串中拆分出来
也许您需要 2-gram(bigram)。在 Python 中，您可以使用 nltk。 This 可能会有所帮助。还有this 和this。
所以你知道你想保持在一起的所有特定单词，对吧？

标签： python

【解决方案1】：

如果您有一个可接受的单词列表，您可以使用正则表达式联合：

import re

acceptable_words = ['Starter', 'Main Course', 'Dessert', 'Coffee', 'Aperitif']
pattern = re.compile("("+"|".join(acceptable_words)+")", re.IGNORECASE)
# "(Starter|Main Course|Dessert|Coffee|Aperitif)"

menu = "Starter Main Course NotInTheList dessert"
print pattern.findall(menu)
# ['Starter', 'Main Course', 'dessert']

如果您只想指定应该匹配哪些特殊子字符串，您可以使用：

acceptable_words = ['Main Course', '\w+']

【讨论】：

【解决方案2】：

我认为只指定“特殊”的两个词标记更实用。

special_words = ['Main Course', 'Something Special']
sentence = 'Starter Main Course Dessert Something Special Date'

words = sentence.split(' ')
for i in range(len(words) - 1):
    try:
        idx = special_words.index(str(words[i]) + ' ' + words[i+1])
        words[i] = special_words[idx]
        words[i+1] = None
    except ValueError:
        pass

words = list(filter(lambda x: x is not None, words))
print(words)

【讨论】：