Pythonic句子拆分以大寫字母開頭的單詞

Question

我想使用UTF中的幾個句子，並根據第一個大寫字母進行拆分。

例子：

"Tough Fox" -> "Tough", "Fox"

"Nice White Cat" -> "Nice", "White Cat"

"This is a lazy Dog" -> "This is a lazy", "Dog"

"This is hardworking Little Ant" -> "This is hardworking", "Little Ant"

pythonic進行這種拆分的方法是什么？

Answer 1

我會用re：

>>> import re
>>> l = ["Tough Fox", "Nice White Cat", "This is a lazy Dog" ]
>>> for i in l:
...   print re.findall("[A-Z][^A-Z]*", i)
... 
['Tough ', 'Fox']
['Nice ', 'White ', 'Cat']
['This is a lazy ', 'Dog']

編輯：好的，我認為那是一個錯誤。 所以現在我來晚了， re.split(..., s, maxsplit=1)是恕我直言的最佳方法，但是如果沒有maxsplit，您仍然可以這樣做：

>>> for i in l:
...   print re.findall("^[^ ]*|[A-Z].*", i)
... 
['Tough', 'Fox']
['Nice', 'White Cat']
['This', 'Dog']

Answer 2

如果要在空格后的每個大寫字母上拆分字符串

import re

s = "Tough Fox"
re.split(r"\s(?=[A-Z])", s, maxsplit=1)

['Tough', 'Fox']

re.split方法等效於Python內置的str.split ，但允許將正則表達式用作拆分模式。

正則表達式首先查找空白（ \\s ）作為拆分模式。 此模式將被re.split操作吃掉。

(?=...)部分告訴您是一個預讀謂詞表達式。 字符串中的下一個字符必須與此謂詞匹配（在這種情況下為大寫字母[AZ] ）。 但是，這部分不被視為比賽的一部分，因此re.split操作不會將其吃掉。

maxsplit=1將確保僅發生一次拆分（最多兩項）。

Answer 3

可能是這樣的：

In [1]: import re

In [2]: def split(s):
   ...:     return re.split(r'\W(?=[A-Z])', s, 1)
   ...:

In [3]: l = ["Tough Fox", "Nice White Cat", "This is a lazy Dog" ]

In [4]: for s in l:
   ...:     print(split(s))
   ...:
['Tough', 'Fox']
['Nice', 'White Cat']
['This is a lazy', 'Dog']

Answer 4

使用re.split()有一個限制：

 space_split = re.compile(r'\s+(?=[A-Z])')
 result = space_split.split(inputstring, 1)

演示：

>>> import re
>>> space_split = re.compile(r'\s+(?=[A-Z])')
>>> l = ["Tough Fox", "Nice White Cat", "This is a lazy Dog" ]
>>> for i in l:
...     print space_split.split(i, 1)
... 
['Tough', 'Fox']
['Nice', 'White Cat']
['This is a lazy', 'Dog']