在 python 中拆分字符串時如何考慮特殊字符

Question

我有幾個“[一個或多個單詞] [數字] [一個或多個單詞]”形式的字符串，我想將它們分成兩個字符串和數字。 例如，如果字符串是：

"A sample string 20 something"

我想獲得：

str1 = "A sample string"
numb = 20
str2 = 'something'

我已經（幾乎）使用以下代碼實現了我的目標：

for s in row.split():
    if s.isdigit():
        quants = s
temp = row.split("{}".format(quants))
str1 = temp[0].strip()
str2 = temp[1].strip()

這適用於大多數情況。 但是，有兩個我無法處理的異常：

1. 如果數字在括號內，我希望它被計為一個字符串。 例如：

   “一些文字（僅作為 1 個示例）還有 2 個單詞”

   我想要 str1 =“一些文本（僅作為 1 個示例）”

2. 有時數字以特殊字符（Unicode？）、¼、½ 和 ¾ 表示。 我該如何解釋這些？

我懷疑答案是使用正則表達式而不是分隔符，但我還不能真正掌握如何使用它們。

Answer 1

您可以使用帶有 3 個捕獲組的正則表達式，然后獲取這些組的值。

^(\w+(?: \w+)*(?: \([^()]*\))?) (\d+|[¼½¾]) (\w+(?: \w+)*)$

解釋

• ^字符串開頭
• (捕獲組 1
  • \w+(?: \w+)*匹配 1+ 個單詞字符，可選地以空格和 1+ 個單詞字符重復
  • (?: \([^()]*\))? 可選地匹配空格並形成左括號直到右括號
• )關閉組並匹配空間
• (\d+|[¼½¾])捕獲組 2匹配 1+ 個數字或列出的¼½¾和空格中的 1 個
• (\w+(?: \w+)*)捕獲組 3匹配 1+ 個單詞字符，並可選擇重復前面的空格
• $字符串結尾

正則表達式演示| Python 演示

示例代碼

import re

regex = r"(\w+(?: \w+)*(?: \([^()]*\))?) (\d+|[¼½¾]) (\w+(?: \w+)*)"
s = "Some text (just as 1 example) ¼ more words"
match = re.match(regex, s)
if match:
    print(match.group(1))
    print(match.group(2))
    print(match.group(3))

Output

Some text (just as 1 example)
¼
more words

---

一個更廣泛的模式，它使用.*來匹配除換行符以外的任何字符，而不是使用\w+

^(.*(?:\([^()]*\))?) (\d+|[¼½¾]) (.+)

正則表達式演示

Answer 2

我通過用數字替換正則表達式來調整這個答案

import re
l = re.compile("((?<=\d)(?=\D)|(?=\d)(?<=\D))(?![^\(]*\))").split(test)

給了我這個：

['A sample string ', '20', ' something']

在這里測試： https://regex101.com/r/zT2dF9/53

其中 as ((?<=\d)(?=\D)|(?=\d)(?<=\D))可以分為兩個步驟： (?<=\d)(?=\D ) 是數字的后視（由(?<=\d)完成），后跟任何類型的非數字 `(?=\D)'

反之亦然(?=\d)(?<=\D)搜索非數字后跟數字

這由(?![^\(]*\))連接以忽略括號中的內容

有關正則表達式文字的詳細信息，請查看： https://medium.com/factory-mind/regex-tutorial-a-simple-cheatsheet-by-examples-649dc1c3f285