以大写字母分割字符串，但仅限于没有空格

Question

设定

我有一串需要分成列表的名字。

按照这个答案 ，我有，

string = 'KreuzbergLichtenbergNeuköllnPrenzlauer Berg'
re.findall('[A-Z][a-z]*', string)

最后一行给我的地方，

['Kreuzberg', 'Lichtenberg', 'Neuk', 'Prenzlauer', 'Berg']

---

问题

1）忽略空格

'Prenzlauer Berg'实际上是1个名字，但代码按照“按首都分割”的规则进行分割。

如果前面的字符是空格，那么确保它不以大写字母分割的命令是什么？

2）特殊字符处理不好

使用的代码无法处理'ö' 。 我如何包含这样的“德国”字符？

即我想获得，

['Kreuzberg', 'Lichtenberg', 'Neukölln', 'Prenzlauer Berg']

Answer 1

您可以使用正面和负面的lookbehind，只需明确列出元音：

>>> string = 'KreuzbergLichtenbergNeuköllnPrenzlauer Berg'
>>> re.findall('(?<!\s)[A-ZÄÖÜ](?:[a-zäöüß\s]|(?<=\s)[A-ZÄÖÜ])*', string)
['Kreuzberg', 'Lichtenberg', 'Neukölln', 'Prenzlauer Berg']

(?<!\\s)... ：匹配...前面没有\\s

(?<=\\s)... ：匹配...前面有\\s

(?:...) ：非捕获组，以免弄乱findall结果

Answer 2

这有效

string="KreuzbergLichtenbergNeuköllnPrenzlauer Berg"
pattern="[A-Z][a-ü]+\s[A-Z][a-ü]+|[A-Z][a-ü]+"
re.findall(pattern, string)
#>>>['Kreuzberg', 'Lichtenberg', 'Neukölln', 'Prenzlauer Berg']