正規表現に基づくPython分割文字列

113

"HELLO there HOW are YOU"（Pythonで）大文字の単語のように文字列を分割する最良の方法は何ですか？

だから私はそのような配列になるでしょう： results = ['HELLO there', 'HOW are', 'YOU']

編集：

私が試してみました：

p = re.compile("\b[A-Z]{2,}\b")
print p.split(page_text)

ただし、動作しないようです。

python regex split

— トト
ソース

2

何を試しましたか？-見つかりませんre.split()でしたか？

— Gareth Latty、2012年

5

何かがうまくいかないと言うときは、その理由を説明する必要があります。例外はありますか？（もしそうなら、例外全体を投稿してください）あなたは間違った出力を得ますか？

— Gareth Latty、2012年

134

私は提案します

l = re.compile("(?<!^)\s+(?=[A-Z])(?!.\s)").split(s)

このデモを確認してください。

— オメガ
ソース

5

コンパイルを使用しないとどうなりますか？

— Feelsbadman

3

パー再ドキュメント、「ほとんどの正規表現操作がモジュールレベルの関数とRegexObject方法として利用できます。機能は、最初の正規表現オブジェクトをコンパイルする必要はなく、いくつかの微調整パラメータをお見逃しなくショートカットです。」あなたが使用することができますre.split(re.split(pattern, string, maxsplit=0, flags=0))以前に引用したドキュメントで述べたように。

— ZaydH

57

あなたは先読みを使うことができます：

re.split(r'[ ](?=[A-Z]+\b)', input)

これは、単語の境界で終わる大文字の文字列が後に続くすべてのスペースで分割されます。

角かっこは読みやすくするためのものであり、省略することもできます。

単語の最初の文字が大文字で十分であれば（つまり、前で分割したい場合Hello）、さらに簡単になります。

re.split(r'[ ](?=[A-Z])', input)

これですべてのスペースで分割され、その後に大文字が続きます。

— マーティンエンダー
ソース

1

re.split(r'[ ](?=[A-Z]+\b)', input)大文字が見つからないようにするにはどうすればよいですか？たとえば、「A」と一致しませんか？試しましたre.split(r'[ ](?=[A-Z]{2,}+\b)', input)。ありがとう！

@JamesEggersつまり、次のような単語で分割しないように、少なくとも2つの大文字を必要とするということですI。re.split(r'[ ](?=[A-Z]{2,}\b)', input)それを行う必要があります。

— マーティンエンダー

2

私は少なくとも、[ ]+あるいは多分\W+少しだけ多くのケースをキャッチすることをお勧めします。それでも、良い答えです。

— georg

私は同じアプローチを試みました。しかし、[ ]私にとってはうまくいきませんでした。代わりに、を使用しました\s。私のために働いた完全な正規表現はre.split("\s(?=[A-Z]+\s)", string)

— h3xh4wk

0

あなたの質問は、文字列リテラルが含まれている"\b[A-Z]{2,}\b"が、それは\b何のR-修飾子が存在しないため、バックスペースを意味します。

試してください：r"\b[A-Z]{2,}\b"。

— ドルイド62
ソース