Python由多个特定字符拆分字符串并保留“分隔符”答案

【问题标题】：Python split string by multiple specific characters and keep the "delimiters"Python由多个特定字符拆分字符串并保留“分隔符”
【发布时间】：2020-06-10 05:12:56
【问题描述】：

我有一个这样的化合物列表：

ex = ['CrO3', 'Cr8O21', 'NbCrO4']

我想分别获取元素和数字。像这样的：

['Cr','O',3]

['Cr',8,'O',21]

['Nb','Cr','O',4]

但是，这必须是一个通用过程 - 这些并不总是我正在使用的化合物。我认为这可以使用正则表达式和 split() 函数来完成。但是，我很难找到正确的正则表达式来得到我想要的。

这是我现在拥有的：

# elements to split by
split_elements = ['Cr','Nb','O']

def split(compound, split_elements):
    separated = []
    splitstr = ")|(?=".join([str(elem) for elem in split_elements]) 
    splitstr = '('+splitstr+')'
    # splitstr will end up like this: 
    # (Cr)|(?=Nb)|(?=O)

    result = list(filter(None,re.split(splitstr, compound)))
    separated.append(result)

    return(separated)

for item in ex:
    print(split(item, split_elements))
# Output
# [['Cr', 'O3']]
# [['Cr', '8O21']]
# [['Nb', 'Cr', 'O4']]

如您所见，数字仍然存在，我不知道为什么。我已经搜索了一个类似的问题，但我找不到任何问题（我现在所拥有的已经是疯狂谷歌搜索的结果）。

有没有人有任何解决方案或建议？

【问题讨论】：

标签： python regex split

【解决方案1】：

不要使用拆分，使用 re.findall() 并编写匹配任一大小写的正则表达式：大写可选地后跟小写，或任意数量的数字。

re.findall(r'[A-Z][a-z]?|\d+', compound)

【讨论】：

我认为这行得通！我会更新它是否适用于一切！

【解决方案2】：

您可以使用re.findall 分解化合物。

>>> import re    
>>> ex = ['CrO3', 'Cr8O21', 'NbCrO4']
>>> re.findall('[A-Z][a-z]?|\d*', ex[0])
['Cr', 'O', '3']
>>> re.findall('[A-Z][a-z]*|\d+', ex[1])
['Cr', '8', 'O', '21']
>>> re.findall('[A-Z][a-z]*|\d+', ex[2])
['Nb', 'Cr', 'O', '4']

尽管如果您打算做更复杂的事情，您可能应该查看 PyPI 上处理化学的众多软件包之一。

【讨论】：

[a-z]* 是错误的，因为 IUPAC 原子符号在（强制）大写字母之后最多只能有一个小写字母。

【解决方案3】：

正则表达式的答案很好，尽管您总是可以用元素编写字典或列表。

elements = [O, Cr, Nb, ...]

或者查看https://pubchempy.readthedocs.io/en/latest/等库

【讨论】：

这对获取化学符号后的数字有何帮助？