Pythonic句子拆分以大写字母开头的单词

Question

我想使用UTF中的几个句子，并根据第一个大写字母进行拆分。

例子：

"Tough Fox" -> "Tough", "Fox"

"Nice White Cat" -> "Nice", "White Cat"

"This is a lazy Dog" -> "This is a lazy", "Dog"

"This is hardworking Little Ant" -> "This is hardworking", "Little Ant"

pythonic进行这种拆分的方法是什么？

Answer 1

我会用re：

>>> import re
>>> l = ["Tough Fox", "Nice White Cat", "This is a lazy Dog" ]
>>> for i in l:
...   print re.findall("[A-Z][^A-Z]*", i)
... 
['Tough ', 'Fox']
['Nice ', 'White ', 'Cat']
['This is a lazy ', 'Dog']

编辑：好的，我认为那是一个错误。 所以现在我来晚了， re.split(..., s, maxsplit=1)是恕我直言的最佳方法，但是如果没有maxsplit，您仍然可以这样做：

>>> for i in l:
...   print re.findall("^[^ ]*|[A-Z].*", i)
... 
['Tough', 'Fox']
['Nice', 'White Cat']
['This', 'Dog']

Answer 2

如果要在空格后的每个大写字母上拆分字符串

import re

s = "Tough Fox"
re.split(r"\s(?=[A-Z])", s, maxsplit=1)

['Tough', 'Fox']

re.split方法等效于Python内置的str.split ，但允许将正则表达式用作拆分模式。

正则表达式首先查找空白（ \\s ）作为拆分模式。 此模式将被re.split操作吃掉。

(?=...)部分告诉您是一个预读谓词表达式。 字符串中的下一个字符必须与此谓词匹配（在这种情况下为大写字母[AZ] ）。 但是，这部分不被视为比赛的一部分，因此re.split操作不会将其吃掉。

maxsplit=1将确保仅发生一次拆分（最多两项）。

Answer 3

可能是这样的：

In [1]: import re

In [2]: def split(s):
   ...:     return re.split(r'\W(?=[A-Z])', s, 1)
   ...:

In [3]: l = ["Tough Fox", "Nice White Cat", "This is a lazy Dog" ]

In [4]: for s in l:
   ...:     print(split(s))
   ...:
['Tough', 'Fox']
['Nice', 'White Cat']
['This is a lazy', 'Dog']

Answer 4

使用re.split()有一个限制：

 space_split = re.compile(r'\s+(?=[A-Z])')
 result = space_split.split(inputstring, 1)

演示：

>>> import re
>>> space_split = re.compile(r'\s+(?=[A-Z])')
>>> l = ["Tough Fox", "Nice White Cat", "This is a lazy Dog" ]
>>> for i in l:
...     print space_split.split(i, 1)
... 
['Tough', 'Fox']
['Nice', 'White Cat']
['This is a lazy', 'Dog']