用于拆分具有不同模式的多个字符串的正则表达式

Question

我正在尝试使用正则表达式将字符串拆分为多个字符串。 我有如下字符串：

• '1. 10.25% 2. 11% 3. 9.75% 4. 4.3%'

• '1.promising.2.inappropriately3.essential.4.intense.'

• '1.他没有参加 2. 英语课 3. 一个月以来 4.没有错误'

• '1. X 获得 15 股2。 B获得25股3。 W 得到 54 股。4 股。马克获得了 2.5 股'

我期待这样的输出：

• '1. X 获得 15 股''2. B得到25股'，'3。 W 得到 54. 股。', '4.马克获得了 2.5 股'

• '1. 10.25%'

• '2. 11%'

• '3. 9.75%'

• '4. 4.3%'

我想编写一个表达式来分割所有给定的场景。 我尝试编写以下表达式，但在某些情况下会失败

re.split(r'(?=[1-9]{1}\.[\s]?[a-zA-Z0-9\.\:\(\)\-\,\% ]+)', string)

Answer 1

我建议查找(?<!\d)NUM\. 中使用的每个后续数字（NUM 紧随其后的是 .，没有其他前面的数字）模式并仅在这些位置拆分：

import re

texts = ['1. 10.25% 2. 11% 3. 9.75% 4. 4.3%',
'1.promising.2.inappropriately3.essential.4.itense.',
'1. He has not been attending 2. English classes 3. since one month4. No error',
'1. X got 15 shares2. B got 25 shares3. W got 54. shares.4. Mark got 2.5 shares']

pattern = r'(?<!\d){}\.'
for text in texts:
    bps = []
    prev = 0
    for i in range(1,1000):
        rx = re.compile(pattern.format(i))
        m = rx.search(text, prev)
        if m:
            if prev != m.start():
                bps.append(text[prev:m.start()].strip())
            prev = m.start()
        else:
            break
    if prev < len(text) - 1:
        bps.append(text[prev:].strip())
    print(bps) 

请参阅Python demo。

输出：

['1. 10.25%', '2. 11%', '3. 9.75%', '4. 4.3%']
['1.promising.', '2.inappropriately', '3.essential.', '4.itense.']
['1. He has not been attending', '2. English classes', '3. since one month', '4. No error']
['1. X got 15 shares', '2. B got 25 shares', '3. W got 54. shares.', '4. Mark got 2.5 shares']

注意rx = re.compile(pattern.format(i)) 和m = rx.search(text, prev) 行：编译模式是因为Pattern.search 方法允许从指定位置进行搜索，即上一个匹配开始位置。

range(1,1000) 部分可以调整，1000 假设您在文本中有多达 999 个项目符号。