正则表达式连接由空格和连字符分隔的单词

Question

我的字符串很乱，看起来像这样：

s="I'm hope-less and can -not solve this pro- blem on my own. Wo - uld you help me?"

我想在一个列表中将连字符（有时是空格）剥离单词..所需的输出：

list = ['I'm','hopeless','and','cannot','solve','this','problem','on','my','own','.','Would','you','help','me','?']

我尝试了很多不同的变化，但没有任何效果..

rgx = re.compile("([\w][\w'][\w\-]*\w)") s = "My string'" rgx.findall(s)

Answer 1

这是一种方法：

[re.sub(r'\s*-\s*', '', i) for i in re.split(r'(?<!-)\s(?!-)', s)]

# ["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own.', 'Would', 'you', 'help', 'me?']

这里有两个操作：

1. 使用负前瞻和负后瞻，基于没有连字符的空格拆分文本。

2. 在每个拆分词中，将连字符前面或后面可能的空格替换为空字符串。

你可以在这里看到第一个操作的演示： https ://regex101.com/r/ayHPvY/2

第二个： https ://regex101.com/r/ayHPvY/1

编辑：要获得. 和? 也要分开，请改用：

[re.sub(r'\s*-\s*','', i) for i in re.split(r"(?<!-)\s(?!-)|([^\w\s'-]+)", s) if i]

# ["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own', '.', 'Would', 'you', 'help', 'me', '?']

问题还在于拆分非字母、非空格和连字符/撇号。 if i是必要的，因为拆分可能会返回一些None项目。

Answer 2

快速，非正则表达式的方法是

''.join(map(lambda s: s.strip(), s.split('-'))).split()

即在连字符上拆分，附加空白条带，重新加入字符串并在空格上拆分，但这不会分隔点或问号。

Answer 3

这个怎么样：

>>> s
"I'm hope-less and can -not solve this pro- blem on my own. Wo - uld you help me
?"
>>> list(map(lambda x:re.sub(' *- *','',x), filter(lambda x:x, re.split(r'(?<!-) +(?!-)|([.?])',s))))
["I'm", 'hopeless', 'and', 'cannot', 'solve', 'this', 'problem', 'on', 'my', 'own', '.', 'Would', 'you', 'help', 'me', '?']

上面使用了一个简单的空格' ' ，但使用\s更好：

list(map(lambda x:re.sub('\s*-\s*','',x), filter(lambda x:x, re.split(r'(?<!-)\s+(?!-)|([.?])',s))))

(?<!-)\s+(?!-)表示没有-之前或之后的空格。
[.?]表示单. 还是? .

re.split(r'(?<!-)\s+(?!-)|([.?])',s)将相应地拆分字符串，但内部会有一些None和空字符串'' ：

["I'm", None, 'hope-less', None, 'and', None, 'can -not', None, 'solve', None, 'this', None, 'pro- blem', None, 'on', None, 'my', None, 'own', '.', '', None, 'Wo - uld', None, 'you', None, 'help', None, 'me', '?', '']

该结果直接馈送到filter以删除None和'' ，然后馈送到map以删除每个单词中的空格和- 。