python 将字符串拆分为字母、数字和特殊字符

Question

我有以下函数想要将字符串拆分为单词。分割结果需要分隔字母、数字和一些特殊字符，如 / 或 -

import pandas as pd
import re

def split_string_with_letters_and_non_letters(input_string):
    split_strings = re.split(r"([a-zA-Z] )+", input_string)

    result = []
    count = 0
    for x in split_strings:
        if x not in result and x != ' ' and x != '':
            result.append(x.lower().strip())
            count=count+1

    delim = "|"
    result_string = delim.join([str(ele) for ele in result])
    
    return result_string

teststring= "SPRINTER2500 2WD C E-150"
print(split_string_with_letters_and_non_letters(teststring))`

我的预期回报结果是：

"SPRINTER|2500|2|WD|C|E|-|150"

Answer 1

问题出在你的正则表达式中。这是重新审视的代码：

import re

def split_string_with_letters_and_non_letters(input_string):
    #new regex
    split_strings = re.findall(r'[A-Za-z]+|\d+|[/|-]', input_string)

    # Remove empty elements
    result = [x for x in split_strings if x]
    # Join with a delimiter
    result_string = "|".join(result)
    
    return result_string

teststring = "SPRINTER2500 2WD C E-150"
print(split_string_with_letters_and_non_letters(teststring))

结果：

SPRINTER|2500|2|WD|C|E|-|150

Answer 2

使用

itertools.groupby

和自定义字符分类器的非正则表达式方法：

from itertools import groupby

def char_type(c):
    if c.isalpha(): return 'alpha'
    if c.isdigit(): return 'digit'
    if c.isspace(): return
    if c in {'-', '/'}: return 'special' # this is just an example
    return 'other'

out = '|'.join(''.join(g) for k, g in groupby(input_string, char_type) if k)

输出：

'SPRINTER|2500|2|WD|C|E|-|150'

如果您只想使用标准 unicode 类并删除空格，请使用

unicodedata.category

并排除

Zs

:

from itertools import groupby
import unicodedata

out = '|'.join(''.join(g) for k, g in
               groupby(input_string, unicodedata.category)
               if k!='Zs')

注意。这会将小写/大写字符分为不同的组，但是您可以使用

lambda x: unicodedata.category(x.casefold())

代替

unicodedata.category

来避免这种情况。