带有正则表达式的 Python 分区字符串

Question

我正在尝试使用 Python 的分区和正则表达式清理文本字符串。 例如：

testString = 'Tre Bröders Väg 6 2tr'
sep = '[0-9]tr'
head,sep,tail = testString.partition(sep)
head
>>>'Tre Br\xc3\xb6ders V\xc3\xa4g 6 2tr'

头部仍然包含我要删除的2tr 。 我不太擅长正则表达式，但 [0-9] 不应该这样做吗？

我期望从这个例子中得到的输出是

head
>>> 'Tre Br\xc3\xb6ders V\xc3\xa4g 6

Answer 1

str.partition不支持正则表达式，因此当你给它一个像'[0-9]tr'这样的字符串时，它试图在testString找到基于的精确字符串，它不使用任何正则表达式。

根据str.partition文件 -

在第一次出现sep时拆分字符串，并返回包含分隔符之前的部分的3元组，分隔符本身以及分隔符之后的部分。 如果找不到分隔符，则返回包含字符串本身的3元组，后跟两个空字符串。

既然你说，你只需要head ，你可以使用re模块中的re.split()方法，将maxsplit设置为1 ，然后获取它的第一个元素，它应该与你在str.partition中尝试的str.partition 。 示例 -

import re
testString = 'Tre Bröders Väg 6 2tr'
sep = '[0-9]tr'
head = re.split(sep,testString,1)[0]

演示 -

>>> import re
>>> testString = 'Tre Bröders Väg 6 2tr'
>>> sep = '[0-9]tr'
>>> head = re.split(sep,testString,1)[0]
>>> head
'Tre Bröders Väg 6 '

Answer 2

普通的re.split()方法

您可以使用re.split()提取head 。

import re

testString = 'Tre Bröders Väg 6 2tr'
sep = r'[0-9]tr'  # "r" is essential here!
head, tail = re.split(sep, testString)
head.strip()
>>>'Tre Bröders Väg 6'

巧克力洒re.split()方法

如果你用()捕获sep ， re.split()行为就像一个伪re.partition() （在 Python 中没有这样的方法，实际上......）

import re

testString = 'Tre Bröders Väg 6 2tr'
sep = r'([0-9]tr)'  # "()" added.
head, sep, tail = re.split(sep, testString)
head, sep, tail
>>>('Tre Bröders Väg 6 ', '2tr', '')

Answer 3

对于那些仍在寻找如何进行正则表达式分区的答案的人，请尝试以下函数：

import regex # re also works

def regex_partition(content, separator):
    separator_match = regex.search(separator, content)
    if not separator_match:
        return content, '', ''

    matched_separator = separator_match.group(0)
    parts = regex.split(matched_separator, content, 1)

    return parts[0], matched_separator, parts[1]

Answer 4

我来到这里是为了寻找一种使用基于正则表达式的partition()

包含在yelichi answer 中，如果re.split()包含捕获组，则可以返回分隔符，因此基于正则表达式创建分区函数的最基本方法是：

re.split( "(%s)" % sep, testString, 1)

但是，这只适用于简单的正则表达式。 如果您通过使用组的正则表达式进行拆分（即使未捕获），它也不会提供预期的结果。

我首先查看了在skia.heliou answer 中提供的函数，但它不必要地第二次运行正则表达式，更重要的是，如果模式与自身不匹配，则会失败（它应该在matched_separator 上使用string.split，而不是re.split） .

因此，我实现了自己的支持正则表达式的 partition() 版本：

def re_partition(pattern, string, return_match=False):
    '''Function akin to partition() but supporting a regex
    :param pattern: regex used to partition the content
    :param content: string being partitioned
    '''

    match = re.search(pattern, string)

    if not match:
        return string, '', ''

    return string[:match.start()], match if return_match else match.group(0), string[match.end():]

作为附加功能，这可以返回匹配对象本身，而不仅仅是匹配的字符串。 这允许您直接与分隔符的组进行交互。

并以迭代器形式：

def re_partition_iter(pattern, string, return_match=False):
    '''Returns an iterator of re_partition() output'''

    pos = 0
    pattern = re.compile(pattern)
    while True:
        match = pattern.search(string, pos)
        if not match:
            if pos < len(string):  # remove this line if you prefer to receive an empty string
                yield string[pos:]
            break

        yield string[pos:match.start()]
        yield match if return_match else match.group(0)
        pos = match.end()