通过将正则表达式与元素匹配来拆分列表

Question

我有一个包含一些特定元素的列表。我想根据这些元素将该列表拆分为“子列表”或不同的列表。例如：

test_list = ['a and b, 123','1','2','x','y','Foo and Bar, gibberish','123','321','June','July','August','Bonnie and Clyde, foobar','today','tomorrow','yesterday']

如果元素匹配“某事某事”，我想拆分为子列表：

new_list = [['a and b, 123', '1', '2', 'x', 'y'], ['Foo and Bar, gibberish', '123', '321', 'June', 'July', 'August'], ['Bonnie and Clyde, foobar', 'today', 'tomorrow', 'yesterday']]

到目前为止，如果在特定元素之后有固定数量的项目，我可以做到这一点。例如：

import re
element_regex = re.compile(r'[A-Z a-z]+ and [A-Z a-z]+')
new_list = [test_list[i:(i+4)] for i, x in enumerate(test_list) if element_regex.match(x)]

几乎就在那里，但并不总是紧跟在特定的感兴趣元素之后的三个元素。有没有比循环遍历每个项目更好的方法？

Answer 1

如果你想要单线，

new_list = reduce(lambda a, b: a[:-1] + [ a[-1] + [ b ] ] if not element_regex.match(b) or not a[0] else a + [ [ b ] ], test_list, [ [] ])

会的。但是，python way 将使用更详细的变体。

我在 4 核 i7 @ 2.1 GHz 上进行了一些速度测量。 timeit 模块运行此代码 1.000.000 次，为此需要 11.38 秒。使用来自 itertools 模块的groupby（来自另一个答案的 Kasras 变体）需要 9.92 秒。最快的变种是我建议的详细版本，只用了 5.66 秒：

new_list = [[]]
for i in test_list:
    if element_regex.match(i):
        new_list.append([])
    new_list[-1].append(i)

Answer 2

你不需要regex，只需使用itertools.groupby：

>>> from itertools import groupby
>>> from operator import add
>>> g_list=[list(g) for k,g in groupby(test_list , lambda i : 'and' in i)]
>>> [add(*g_list[i:i+2]) for i in range(0,len(g_list),2)]
[['a and b, 123', '1', '2', 'x', 'y'], ['Foo and Bar, gibberish', '123', '321', 'June', 'July', 'August'], ['Bonnie and Clyde, foobar', 'today', 'tomorrow', 'yesterday']]

首先我们通过这个 lambda 函数 lambda i : 'and' in i 对列表进行分组，它会找到其中包含 "and" 的元素！然后我们有这个：

>>> g_list
[['a and b, 123'], ['1', '2', 'x', 'y'], ['Foo and Bar, gibberish'], ['123', '321', 'June', 'July', 'August'], ['Bonnie and Clyde, foobar'], ['today', 'tomorrow', 'yesterday']]

所以我们必须在这里连接我们使用add 运算符和列表推导的两对列表！