[英]Separate only at first instance with multiple delimiters using regex
我有一些格式的字符串
lorem ipsum, dolor sit - amet, consectetur : adipiscing elit. Praesent vitae orc
我希望它在每个分隔符的第一个实例处拆分,以返回
['lorem ipsum',
'dolor sit',
'amet, consectetur',
'adipiscing elit. Praesent vitae orc']
现在我的输出是
['lorem ipsum',
'dolor sit',
'amet',
'consectetur ',
'adipiscing elit. Praesent vitae orc']
现在我正在使用re.split(', | - |: ', txt)
但它在字符串中的所有实例re.split(', | - |: ', txt)
开。 关于如何实现所需输出的任何建议?
编辑:
我意识到我的问题不清楚,例如,如果字符串是
"abc: def: ijk, lmno: pqr - stu, wx"
输出应该是
["abc",
"def: ijk",
"lmno: pqr",
"stu, wxy"]
并不是
["abc",
"def",
"ijk",
"lmno",
"pqr",
"stu",
"wxy"]
如果所有分隔符必须至少出现一次,而不是使用 split,您可以使用 4 个捕获组,其中反向引用匹配 3 个选项中的 1 个,但已匹配的选项除外。
^(.*?)(, | - |: )(.*?)(?!\2)(, | - |: )(.*?)(?!\2|\4)(, | - |: )(.*)
模式将匹配
^
字符串开始(.*?)
第1组,尽可能匹配(, | - |: )
第2组,匹配任何列出的(.*?)
第3组,尽可能匹配(?!\\2)
否定前瞻,断言右边的不是第 2 组中匹配的(选择 2 个有效选项之一)(, | - |: )
第4组,匹配任何列出的(.*?)
第5组,尽可能匹配(?!\\2|\\4)
负前瞻,断言右边的不是第 2 组或第 4 组中匹配的(选择左边唯一有效的选项)(, | - |: )
第6组,匹配任何列出的(.*)
Group 7 ,尽可能匹配任意字符例如
import re
regex = r"^(.*?)(, | - |: )(.*?)(?!\2)(, | - |: )(.*?)(?!\2|\4)(, | - |: )(.*)"
test_str = ("lorem ipsum, dolor sit - amet , consectetur : adipiscing elit. Praesent vitae orc\n\n"
"abc: def: ijk, lmno: pqr - stu, wx\n\n")
matches = re.search(regex, test_str, re.MULTILINE)
if matches:
print(matches.group(1))
print(matches.group(3))
print(matches.group(5))
print(matches.group(7))
输出
lorem ipsum
dolor sit
amet , consectetur
adipiscing elit. Praesent vitae orc
您可以使用一个计算替换次数的小类:
import re
text = "lorem ipsum, dolor sit - amet, consectetur : adipiscing elit. Praesent vitae orc"
# text = "abc: def: ijk, lmno: pqr - stu, wx"
rx = re.compile(r'[-,:]')
class Replacer:
def __init__(self, *args, **kwargs):
for key in args:
setattr(self, key, 0)
self.needle = kwargs.get("needle")
def __call__(self, match):
key = match.group(0)
setattr(self, key, getattr(self, key, 0) + 1)
cnt = getattr(self, key, 0)
return self.needle if cnt == 1 else key
rpl = Replacer("-", ",", ":", needle="#@#")
result = [item.strip() for item in re.split("#@#", rx.sub(rpl, text))]
print(result)
哪个产量
['lorem ipsum', 'dolor sit', 'amet, consectetur', 'adipiscing elit. Praesent vitae orc']
仅供参考,不确定这是否是有价值的答案,但也许您可以使用regex
而不是re
模块来利用具有非固定宽度的负向后视功能。 例如:
\s*([,:-])(?<!\1.*\1)\s*
在 Python 中:
import regex as re
string1 = "abc: def: ijk, lmno: pqr - stu, wx"
lst1 = re.sub(r'\s*([,:-])(?<!\1.*\1)\s*', '|' , string1).split('|')
print(lst1)
结果:
['abc', 'def: ijk', 'lmno: pqr', 'stu, wx']
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.