python - 使用正则表达式拆分 Python 字符串

Question

我试图自己解决这个问题，但我无法...

我有文字：

{Łatwe|Proste} szukanie mieszkania {Sprawdź|Wypróbuj juz dziś}, znalezienie {wcale|w ogóle}

我想从句子或整个表达式中获取单个单词{}到列表中。所以在列表中它看起来像这样：

• {Łatwe|Proste}
• 苏卡涅
• 米斯卡尼亚
• {Sprawdź|Wypróbuj juz dziś}
• znalezien...

我使用split()方法，但它产生例如：

• {Sprawdź|Wypróbuj
• 朱兹
• dziś}

但应该是一个字。我不想破坏{}.

有什么帮助吗？:)

Answer 1

Python 2.x 解决方案：

>>> re.findall(r'{[^}]*}|\b\w+\b', u'{Łatwe|Proste} szukanie mieszkania {Sprawdź|Wypróbuj juz dziś}, znalezienie {wcale|w ogóle}', re.U)
[u'{\u0141atwe|Proste}', u'szukanie', u'mieszkania', u'{Sprawd\u017a|Wypr\xf3buj juz dzi\u015b}', u'znalezienie', u'{wcale|w og\xf3le}']

re.Uflag 是必需的，因为默认情况下，\b,\w和其他一些（\d和\s否定的对应项）仅匹配 ASCII 字符。

Python 3.x 解决方案：

re.findall(r'{[^}]*}|\b\w+\b', '{Łatwe|Proste} szukanie mieszkania {Sprawdź|Wypróbuj juz dziś}, znalezienie {wcale|w ogóle}')

在 Python 3.x 中，, \b, \w,\d和\s它们的对应项将默认对 Unicode 字符执行匹配。re.Uflag仍然存在是为了向后兼容，但指定它是多余的。