使用索引按特定模式拆分的 Python 字符串

Question

我试图从不同的字符拆分句子，其中每个单词都有自己的标签，并使用索引存储，名称可以是具有不同长度的 Mike 或 Steve。 内容可以是多种语言，如中文或日文等。

content = "A:Hello.B:How are you?A:I'm fine."

我想成为这样：

[0]A:Hello.       , 0:7
[1]B:How are you? , 8:21
[2]A:I'm fine.    ,22:33

Answer 1

您可以使用re.split如下：

import re
s = "A:Hello.B:How are you?A:I'm fine."
t = re.split(r'[.?]', s)
print(t)

那给

['A:Hello', 'B:How are you', "A:I'm fine", '']

Answer 2

您可以使用re.finditer来完成任务：

import re

content = "A:Hello.B:How are you?A:I'm fine."

for idx, i in enumerate(re.finditer(r'(.*?[.?])(?=[A-Z]|\Z)', content)):
    print('[{}]{:<20}, {}:{}'.format(idx, i.group(1), i.start(), i.end()-1))

印刷：

[0]A:Hello.            , 0:7
[1]B:How are you?      , 8:21
[2]A:I'm fine.         , 22:32