在Python中使用多个分隔符分割字符串[重复]

Question

我在网上找到了一些答案，但我没有正则表达式的经验，我相信这就是这里所需要的。

我有一个字符串需要用“;”分隔或者 '， ' 也就是说，它必须是分号或逗号，后跟空格。没有尾随空格的单个逗号应保持不变

示例字符串：

"b-staged divinylsiloxane-bis-benzocyclobutene [124221-30-3], mesitylene [000108-67-8]; polymerized 1,2-dihydro-2,2,4- trimethyl quinoline [026780-96-1]"

应拆分为包含以下内容的列表：

('b-staged divinylsiloxane-bis-benzocyclobutene [124221-30-3]' , 'mesitylene [000108-67-8]', 'polymerized 1,2-dihydro-2,2,4- trimethyl quinoline [026780-96-1]') 

Answer 1

幸运的是，Python 有这个内置功能:)

import re

# Regex pattern splits on substrings "; " and ", "
re.split('; |, ', string_to_split)

更新：

根据您的评论：

>>> string_to_split = 'Beautiful, is; better*than\nugly'
>>> import re
>>> re.split('; |, |\*|\n', string_to_split)
['Beautiful', 'is', 'better', 'than', 'ugly']

Answer 2

做一个

str.replace('; ', ', ')

，然后做一个

str.split(', ')

Answer 3

对于任何可迭代的分隔符，这是使用正则表达式的安全方法：

>>> import re
>>> delimiters = "a", "...", "(c)"
>>> example = "stackoverflow (c) is awesome... isn't it?"
>>> regex_pattern = '|'.join(map(re.escape, delimiters))
>>> regex_pattern
'a|\\.\\.\\.|\\(c\\)'
>>> re.split(regex_pattern, example)
['st', 'ckoverflow ', ' is ', 'wesome', " isn't it?"]

re.escape 允许自动构建模式并很好地转义分隔符。

这是这个解决方案，作为您复制粘贴乐趣的功能：

def split(delimiters, string, maxsplit=0):
    import re
    regex_pattern = '|'.join(map(re.escape, delimiters))
    return re.split(regex_pattern, string, maxsplit)

如果您要经常使用相同的分隔符进行分割，请按照所述提前编译正则表达式并使用

RegexObject.split

。

---

如果您想在字符串中保留原始分隔符，您可以更改正则表达式以使用 lookbehind 断言：

>>> import re
>>> delimiters = "a", "...", "(c)"
>>> example = "stackoverflow (c) is awesome... isn't it?"
>>> regex_pattern = '|'.join('(?<={})'.format(re.escape(delim)) for delim in delimiters)
>>> regex_pattern
'(?<=a)|(?<=\\.\\.\\.)|(?<=\\(c\\))'
>>> re.split(regex_pattern, example)
['sta', 'ckoverflow (c)', ' is a', 'wesome...', " isn't it?"]

（将

?<=

替换为

?=

，将分隔符附加到右侧，而不是左侧）

Answer 4

响应上面乔纳森的回答，这似乎只适用于某些分隔符。例如：

>>> a='Beautiful, is; better*than\nugly'
>>> import re
>>> re.split('; |, |\*|\n',a)
['Beautiful', 'is', 'better', 'than', 'ugly']

>>> b='1999-05-03 10:37:00'
>>> re.split('- :', b)
['1999-05-03 10:37:00']

通过将分隔符放在方括号中，似乎可以更有效地工作。

>>> re.split('[- :]', b)
['1999', '05', '03', '10', '37', '00']

Answer 5

这就是正则表达式的样子：

import re
# "semicolon or (a comma followed by a space)"
pattern = re.compile(r";|, ")

# "(semicolon or a comma) followed by a space"
pattern = re.compile(r"[;,] ")

print pattern.split(text)