如何在特殊字符和其他所有内容之间插入空格

Question

我有一些我正在处理的乳胶文本，我需要清理它以便根据间距正确拆分它。

所以字符串：

\\mathrm l  >\\mathrm li ^ + >\\mathrm mg ^   +>\\mathrm a  \\beta+  \\mathrm co

应该是：

\\mathrm l  > \\mathrm li ^ + > \\mathrm mg ^   + > \\mathrm a  \\beta +  \\mathrm co

所以为了让我分割它，如果它是一个特殊字符，我必须在每个字符之间创建间距。另外我想保持乳胶符号完整为\something。

我可以让re.compile([a-zA-Z0-9 \\]) 获取所有特殊字符，但是如何处理插入空格？

我写了一个类似这样的代码，但它在效率方面看起来并不好。 （或者是吗？）

def insert_space(sentence):
    '''
    Add a space around special characters So "x+y +-=y \\latex" becomes: "x + y + - = y \\latex"
    '''
    string = ''
    for i in sentence:
        if (not i.isalnum()) and i not in [' ','\\']:
            string += ' '+i+' '
        else:
            string += i
    return re.sub('\s+', ' ',string)

Answer 1

我没有使用过 LaTeX，所以如果您确定 [a-zA-Z0-9 \\] 捕获了所有不是特殊字符的内容，您可以这样做。

import re

def insert_space(sentence):
    sentence = re.sub(r'(?<! )(?![a-zA-Z0-9 \\])', ' ', sentence)
    sentence = re.sub(r'(?<!^)(?<![a-zA-Z0-9 \\])(?! )', ' ', sentence)
    return sentence

my_string = '\\mathrm l  >\\mathrm li ^ + >\\mathrm mg ^   +>\\mathrm a  \\beta+  \\mathrm co'
print('before', my_string)
# before \mathrm l  >\mathrm li ^ + >\mathrm mg ^   +>\mathrm a  \beta+  \mathrm co
print('after', insert_space(my_string))
# after \mathrm l  > \mathrm li ^ + > \mathrm mg ^   + > \mathrm a  \beta +  \mathrm co 

第一个regex是：

• (?<! ) 负片看后面找个空格。
• (?![a-zA-Z0-9 \\]) 对您指定的字符类进行否定预测。
• 用空格 ' ' 替换所有这些匹配项。

第二个regex是：

• (?<!^) 否定寻找字符串的开头。
• (?<![a-zA-Z0-9 \\]) 负向查找您指定的字符类。
• (?! ) 否定前瞻空间。
• 用空格 ' ' 替换所有这些匹配项。

因此，它首先找到特殊字符和另一个不是空格的字符之间的所有空格，然后在该位置插入一个空格。

您还需要包含(?<!^) 的原因是忽略字符串开头和第一个字符之间的位置。否则，它会在开头包含一个额外的空格。