[英]Python partition string with regular expressions
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
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。
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 '
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', '')
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]
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()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.