25

我正在尝试制定一个简单的函数来捕获拼写错误，例如：

"Westminister15"
"Westminister15London"
"23Westminister15London"

固定后：

["Westminister", "15"]
["Westminister", "15", "London"]
["23", "Westminister", "15", "London"]

第一次尝试：

 def fixate(query):
     digit_pattern = re.compile(r'\D')
     alpha_pattern = re.compile(r'\d')
     digits = filter(None, digit_pattern.split(query))
     alphas = filter(None, alpha_pattern.split(query))
     print digits
     print alphas

结果：

 fixate("Westminister15London")

 > ['15']
 > ['Westminister', 'London']

但是，我认为这可以更有效地完成，当我尝试以下操作时仍然会得到不好的结果：

 fixate("Westminister15London England")

 > ['15']
 > ['Westminister', 'London England']

显然它应该单独登记London，England但我觉得我的功能会被过度修补，并且有一个更简单的方法

这个问题有点等价于这个php question

4

3 回答 3

27

问题是 Pythonre.split()不会在零长度匹配上拆分。但是您可以通过以下方式获得所需的结果re.findall()：

>>> re.findall(r"[^\W\d_]+|\d+", "23Westminister15London")
['23', 'Westminister', '15', 'London']
>>> re.findall(r"[^\W\d_]+|\d+", "Westminister15London England")
['Westminister', '15', 'London', 'England']

\d+匹配任意位数，[^\W\d_]+匹配任意单词。

于 2012-09-13T15:40:10.977 回答
12

这是另一种方法，以防您更喜欢远离正则表达式，如果一个人不够熟悉而无法自己制作/更改它，有时可能会很笨拙：

from itertools import groupby

def split_text(s):
    for k, g in groupby(s, str.isalpha):
        yield ''.join(g)

print(list(split_text("Westminister15")))
print(list(split_text("Westminister15London")))
print(list(split_text("23Westminister15London")))
print(list(split_text("Westminister15London England")))

返回：

['Westminister', '15']
['Westminister', '15', 'London']
['23', 'Westminister', '15', 'London']
['Westminister', '15', 'London', ' ', 'England']

生成器也可以很容易地修改，如果需要，永远不会产生空白字符串。

于 2012-09-13T16:56:12.020 回答
5

您可以使用此正则表达式代替您的：

>>> import re
>>> regex = re.compile(r'(\d+|\s+)')
>>> regex.split('Westminister15')
['Westminister', '15', '']
>>> regex.split('Westminister15London England')
['Westminister', '15', 'London', ' ', 'England']
>>>

然后，您必须过滤列表以删除空字符串/仅包含空格的字符串。

于 2012-09-13T15:40:57.283 回答