如何将字符串拆分为左子字符串和右子字符串，分隔符为 Unicode答案

【问题标题】：How to split a string into Left sub-string and Right sub-string with delimiter as Unicode如何将字符串拆分为左子字符串和右子字符串，分隔符为 Unicode
【发布时间】：2020-02-04 04:00:38
【问题描述】：

我有一个带有 Unicode 的字符串。我想将字符串拆分为以Unicode为分隔符的左子字符串和右子字符串。

例如，给定的字符串是：

str = 'Oh wow. Magnificent! Ariadna Garcia! <U+2764> <U+2764> wonderful'

我想输出为：

leftstr = 'Oh wow. Magnificent! Ariadna Garcia!'

uni_code = '<U+2764> <U+2764>'

rightstr = 'wonderful'

我想过使用正则表达式来识别 Unicode，然后使用 find() 找到 Unicode 的索引。然后使用带索引的字符串切片和切割方法，即leftstr = 起始索引比unicode的索引小一。然后，rightstr = (Unicode 的起始索引+Unicode 的长度) 直到字符串的结尾。问题是我识别 Unicode 的正则表达式不起作用。我觉得，我的方法很复杂。有没有什么优雅的方法可以得到想要的子字符串作为输出。

下面的代码，我已经试过了：

import re str1 = 'Oh wow. Magnificent! Ariadna Garcia! <U+2764> wonderful'
pattern = r'<U\+.*?>' 
indx = str1.find(pattern) 
print(indx)

正则表达式未按预期工作。

【问题讨论】：

您的字符串中是否字面意思有字符<U+2764>（长度为8）？还是 actual Unicode 字符 U+2764 (❤) 的占位符？
是的，我的字符串中有 Unicode U+2764 (❤)。
字符串中的每个字符都是 Unicode 字符，因此您必须更具体地说明您想要什么。例如，U+004F 是O。
好的！我只关心表情符号 Unicode。

标签： regex python-3.x string unicode

【解决方案1】：

不幸的是，表情符号很多，其中许多是多个序列，因此通用解决方案很复杂。这是 Unicode 的完整列表：

https://unicode.org/emoji/charts-13.0/emoji-list.html

直接的解决办法是：

import re

s = 'Oh wow. Magnificent! Ariadna Garcia! ❤ ❤ wonderful'
left,emoji,right = re.split(r'(\u2764 \u2764)',s)
print(left,emoji,right,sep='\n')

Oh wow. Magnificent! Ariadna Garcia! 
❤ ❤
 wonderful

您可以解析这些Unicode data files 以创建更复杂的正则表达式。例如，这会解析一系列表情符号：

import re

s = 'One?Two?Three?Four?Five'
result = re.split(r'([\U0001F600-\U0001F64F])',s)
print(result)

['One', '?', 'Two', '?', 'Three', '?', 'Four', '?', 'Five']

【讨论】：

谢谢，马克。我在文本中有不同的表情符号 Unicode，我需要每个表情符号 Unicode 的左字符串和它们的右字符串。对于您的第二个示例，我希望输出为- leftstr1=One Emoji1=? rightstr1=Two; leftstr2=两个表情符号2=? rightstr2=三个； leftstr3=三个 Emoji3=? rightstr3=四个； leftstr4=四个 Emoji3=? rightstr4=五个。当然，我们将使用列表。我目前在根据需要拆分字符串时遇到问题。