如何用数字拆分混合字符串

Question

我的文本文件中有一个数据，其中包含“Test DATA_g004, Test DATA_g003, Test DATA_g001, Test DATA_g002”。

是否可以在不使用“Test DATA_”字样的情况下对其进行排序，以便将数据排序为 g001、g002、g003 等？

我尝试了.split("Test DATA_") 方法，但它不起作用。

def readFile():
    #try block will execute if the text file is found
    try:
        fileName = open("test.txt",'r')
        data = fileName.read().split("\n")
        data.sort (key=alphaNum_Key) #alternative sort function
        print(data)
    #catch block will execute if no text file is found
    except IOError:
        print("Error: File do not exist")
        return

#Human sorting
def alphaNum(text):
    return int(text) if text.isdigit() else text

#Human sorting
def alphaNum_Key(text):
    return [ alphaNum(c) for c in re.split('(\d+)', text) ]

Answer 1

您可以使用re 执行此操作。

import re
x="Test DATA_g004, Test DATA_g003, Test DATA_g001, Test DATA_g002"
print sorted(x.split(","),key= lambda k:int(re.findall("(?<=_g)\d+$",k)[0]))

输出：[' Test DATA_g001', ' Test DATA_g002', ' Test DATA_g003', 'Test DATA_g004']

Answer 2

检索所有以g开头的字符串，然后用sorted对列表进行排序

>>> s = "Test DATA_g004, Test DATA_g003, Test DATA_g001, Test DATA_g002, "
>>> sorted(re.findall(r'g\d+$', s))
['g001', 'g002', 'g003', 'g004']

另一种方法是只使用内置方法：

>>> l = [x.split('_')[1] for x in s.split(', ') if x]
>>> l
['g004', 'g003', 'g001', 'g002']
>>> l.sort()
>>> l
['g001', 'g002', 'g003', 'g004']

Answer 3

是的，你可以。您可以按每个测试子字符串中的最后 3 位数字进行排序：

# The string to be sorted by digits
s = "Test DATA_g004, Test DATA_g003, Test DATA_g001, Test DATA_g002"

# Create a list by splitting at commas, sort the last 3 characters of each element in the list as `ints`.
l = sorted(s.split(','), key = lambda x: int(x[-3:]))

print l
# [' Test DATA_g001', ' Test DATA_g002', ' Test DATA_g003', 'Test DATA_g004']

如果l 的元素对你很重要，你会想要修剪它，但这适用于所有以 3 位数字结尾的 Tests。

如果你不想要Test DATA_，你可以这样做：

# The string to be sorted by digits
s = "Test DATA_g004, Test DATA_g003, Test DATA_g001, Test DATA_g002"

# Create a list by taking the last 4 characters of sorted strings with key as last 3 characters of each element in the list as `int`s.
l = sorted((x[-4:] for x in s.split(',')), key = lambda x: int(x[-3:]))

print l
# ['g001', 'g002', 'g003', 'g004']

如果您的数据格式正确（即，g 后跟 3 位数字），这将非常有效。否则，请使用任何其他已发布答案的正则表达式。

---

另一种选择是在阅读时将字符串推入PriorityQueue：

test.py

from Queue import PriorityQueue

q = PriorityQueue()

with open("example.txt") as f:
  # For each line in the file
  for line in f:
    # Create a list from the stripped, split-at-comma string
    for s in line.strip().split(','):
      # Push the last four characters of each element in the list into the pq
      q.put(s[-4:])

while not q.empty():
  print q.get()

使用 PQ 的好处是它会按排序顺序添加它们，这减轻了您的负担，并且在线性时间内完成。

example.txt

Test DATA_g004, Test DATA_g003, Test DATA_g001, Test DATA_g002

还有输出：

13:25 $ python test.py 
g001
g002
g003
g004

Answer 4

听起来你想要“自然排序”。以下是从 https://stackoverflow.com/a/4836734/3019689 复制的，可能会这样做。

import re

def natural_sort(l): 
    convert = lambda text: int(text) if text.isdigit() else text.lower() 
    alphanum_key = lambda key: [ convert(c) for c in re.split('([0-9]+)', key) ] 
    return sorted(l, key = alphanum_key)

但是，您一直说要“不使用Test DATA_”进行排序，这表明您并没有讲述整个故事。如果真的是Test DATA_ every 时间，它不会影响排序：有或没有它的排序；没关系。我敢打赌你真的很担心这个字符串前缀实际上因文件名而异，你想完全忽略它，只关注数字部分。如果是这种情况，您可以将上述列表中的else None 替换为else text.lower()。

Answer 5

import re

def natural_sort(l): 
    convert = lambda text: int(text) if text.isdigit() else text.lower() 
    alphanum_key = lambda key: [ convert(c) for c in re.split('(\d+)', key) ] 
    return sorted(l, key = alphanum_key)

这段代码 sn-p 应该可以正常工作。这种排序称为自然排序，通常用在字母数字的情况下。