Python字符串按具有索引的特定模式拆分答案

【问题标题】：Python String split by specific pattern with IndicesPython字符串按具有索引的特定模式拆分
【发布时间】：2020-10-31 17:14:31
【问题描述】：

我试图从不同的字符中拆分句子，每个单词都有自己的标签，并用索引存储，名字可以是不同长度的 Mike 或 Steve。内容可以是中文、日文等多种语言。

content = "A:Hello.B:How are you?A:I'm fine."

我想成为什么样的人：

[0]A:Hello.       , 0:7
[1]B:How are you? , 8:21
[2]A:I'm fine.    ,22:33

【问题讨论】：

标签： python split tokenize python-re

【解决方案1】：

您可以使用re.split，如下：

import re
s = "A:Hello.B:How are you?A:I'm fine."
t = re.split(r'[.?]', s)
print(t)

给了

['A:Hello', 'B:How are you', "A:I'm fine", '']

【讨论】：

【解决方案2】：

您可以使用re.finditer 执行任务：

import re

content = "A:Hello.B:How are you?A:I'm fine."

for idx, i in enumerate(re.finditer(r'(.*?[.?])(?=[A-Z]|\Z)', content)):
    print('[{}]{:<20}, {}:{}'.format(idx, i.group(1), i.start(), i.end()-1))

打印：

[0]A:Hello.            , 0:7
[1]B:How are you?      , 8:21
[2]A:I'm fine.         , 22:32

【讨论】：

比我的好多了！