如果大写字母前后有一个小写字母，则插入空格 - Python答案

【问题标题】：Insert space if uppercase letter is preceded and followed by one lowercase letter - Python如果大写字母前后有一个小写字母，则插入空格 - Python
【发布时间】：2020-09-03 02:16:04
【问题描述】：

如果空格包含大写字母（但不是第一个字母），是否可以插入空格？

例如，给定 "RegularExpression"，我想获得 "RegularExpression"。

我尝试了以下正则表达式：

re.sub("[a-z]{1}[A-Z][a-z]{1}", " ","regularExpression")

很遗憾，这会删除匹配模式：

regula pression

我更喜欢正则表达式解决方案，但我会感谢任何可行的解决方案。谢谢！

【问题讨论】：

“美国”呢？
不应该被拆分，只要大写字母在一个字符串中，并且分别在一个小写字母之后/之前。
如果您只想在字符串的不同位置插入空格，则不应使用“拆分”一词。拆分字符串意味着返回包含字符串不同部分的数组或列表。

标签： python regex string nlp

【解决方案1】：

In [1]: s = 'RegularExpression'

In [2]: answer = []

In [3]: breaks = [i for i,char in enumerate(s) if char.isupper()]

In [4]: breaks = breaks[1:]

In [5]: answer.append(s[:breaks[0]])

In [6]: for start,end in zip(breaks, breaks[1:]):
   ...:     answer.append(s[start:end])
   ...:

In [7]: answer.append(s[breaks[-1]:])

In [8]: answer
Out[8]: ['Regular', 'Expression']

In [9]: print(' '.join(answer))
Regular Expression

【讨论】：

【解决方案2】：

您可以通过以下方式做到这一点：

import re

s = "RegularExpression"
re.sub(r"([A-Z][a-z]+)([A-Z][a-z]+)", r"\1 \2", s)

这意味着“在第一个匹配组和第二个匹配组之间放置一个空格”，其中匹配组是一个大写字母，后跟一个或多个非大写字母。

【讨论】：

谢谢伙计，这正是我所渴望的。只是一个注释，我将它稍微编辑为：“（[a-z]+）（[A-Z][a-z]+）”
干杯，芽。如果它有帮助，请随时检查它作为答案，以表明它帮助您到达那里。

【解决方案3】：

尝试使用 Lookbehind "(?<=[a-z])([A-Z])"

例如：

import re

s = "RegularExpression"
print(re.sub(r"(?<=[a-z])([A-Z])", r" \1", s))

输出：

Regular Expression

【讨论】：

您也可以使用完整匹配而不是组print(re.sub(r"(?<=[a-z])[A-Z]", r" \g<0>", s))++

【解决方案4】：

据我了解，当一个大写字母前面是一个小写字母时，您希望在它们之间插入一个空格。您可以使用re.sub 将以下正则表达式的（零宽度）匹配项替换为空格。

r'(?<=[a-z])(?=[A-Z])'

Regex demo _{^{¯\(ツ)/¯^>}}Python code

请注意，正则表达式演示链接中的 SUBSTITUTION 框包含一个空格。

Python 的正则表达式引擎执行以下操作。

(?<=[a-z])  : use a positive lookbehind to assert that the match is preceded
              by a lowercase letter
(?=[A-Z])   : use a positive lookahead to assert that the match is followed
              by an uppercase letter

对于字符串 'RegularExpression'，正则表达式匹配字母 'r' 和 'E' 之间的位置（即零宽度匹配）。

【讨论】：

@Thefourthbird，我代替你的 em-dash (—)。

【解决方案5】：

IIUC，一种使用re.findall的方式：

re.findall("[A-Z][a-z]+", "RegularExpression")

输出：

['Regular', 'Expression']

【讨论】：