以大寫字母拆分字符串

Question

什麼是在給定字符集發生之前拆分字符串的pythonic方法？

例如，我想在大寫字母（可能除了第一）的任何發生分裂 'TheLongAndWindingRoad' ，並獲得 ['The', 'Long', 'And', 'Winding', 'Road']。

編輯：還應該拆單出現，即從 我'ABC'想獲得 ['A', 'B', 'C']。

Answer 1

不幸的是，在Python中不可能使用split on a zero-width match。但是你可以使用re.findall代替：

>>> import re 
>>> re.findall('[A-Z][^A-Z]*', 'TheLongAndWindingRoad') 
['The', 'Long', 'And', 'Winding', 'Road'] 
>>> re.findall('[A-Z][^A-Z]*', 'ABC') 
['A', 'B', 'C'] 

Answer 2

import re 
filter(None, re.split("([A-Z][^A-Z]*)", "TheLongAndWindingRoad")) 

或

[s for s in re.split("([A-Z][^A-Z]*)", "TheLongAndWindingRoad") if s] 

Answer 3

>>> import re 
>>> re.findall('[A-Z][a-z]*', 'TheLongAndWindingRoad') 
['The', 'Long', 'And', 'Winding', 'Road'] 

>>> re.findall('[A-Z][a-z]*', 'SplitAString') 
['Split', 'A', 'String'] 

>>> re.findall('[A-Z][a-z]*', 'ABC') 
['A', 'B', 'C'] 

如果你想"It'sATest"拆分到["It's", 'A', 'Test']變化rexeg到"[A-Z][a-z']*"

Answer 4

替代解決方案（如果您不喜歡明確的正則表達式）：

s = 'TheLongAndWindingRoad' 

pos = [i for i,e in enumerate(s) if e.isupper()] 

parts = [] 
for j in xrange(len(pos)): 
    try: 
     parts.append(s[pos[j]:pos[j+1]]) 
    except IndexError: 
     parts.append(s[pos[j]:]) 

print parts 

Answer 5

上@ChristopheD的溶液

s = 'TheLongAndWindingRoad' 

pos = [i for i,e in enumerate(s+'A') if e.isupper()] 
parts = [s[pos[j]:pos[j+1]] for j in xrange(len(pos)-1)] 

print parts 

Answer 6

的變化在這裏是備選的正則表達式的解決方案。這個問題可以reprased爲「我怎麼做拆分前的每個大寫字母前插入空格」：

>>> s = "TheLongAndWindingRoad ABC A123B45" 
>>> re.sub(r"([A-Z])", r" \1", s).split() 
['The', 'Long', 'And', 'Winding', 'Road', 'A', 'B', 'C', 'A123', 'B45'] 

這有保留所有的非空白字符，其中大部分其他解決方案沒有的優勢。

Answer 7

src = 'TheLongAndWindingRoad' 
glue = ' ' 

result = ''.join(glue + x if x.isupper() else x for x in src).strip(glue).split(glue) 

Answer 8

不使用正則表達式或列舉的另一種方法：我認爲這是沒有鏈接太多的方法或用一個長長的清單理解，可以是難以閱讀更清晰，更簡單的

word = 'TheLongAndWindingRoad' 
list = [x for x in word] 

for char in list: 
    if char != list[0] and char.isupper(): 
     list[list.index(char)] = ' ' + char 

fin_list = ''.join(list).split(' ') 

。

Answer 9

使用enumerate和的備用方法isupper()

代碼：

strs = 'TheLongAndWindingRoad' 
ind =0 
count =0 
new_lst=[] 
for index, val in enumerate(strs[1:],1): 
    if val.isupper(): 
     new_lst.append(strs[ind:index]) 
     ind=index 
if ind<len(strs): 
    new_lst.append(strs[ind:]) 
print new_lst 

輸出：

['The', 'Long', 'And', 'Winding', 'Road'] 

Answer 10

另一個沒有正則表達式，並保持連續的大寫字母，如果想

def split_on_uppercase(s, keep_contiguous=False): 
    """ 

    Args: 
     s (str): string 
     keep_contiguous (bool): flag to indicate we want to 
           keep contiguous uppercase chars together 

    Returns: 

    """ 

    string_length = len(s) 
    is_lower_around = (lambda: s[i-1].islower() or 
         string_length > (i + 1) and s[i + 1].islower()) 

    start = 0 
    parts = [] 
    for i in range(1, string_length): 
     if s[i].isupper() and (not keep_contiguous or is_lower_around()): 
      parts.append(s[start: i]) 
      start = i 
    parts.append(s[start:]) 

    return parts 

>>> split_on_uppercase('theLongWindingRoad') 
['the', 'Long', 'Winding', 'Road'] 
>>> split_on_uppercase('TheLongWindingRoad') 
['The', 'Long', 'Winding', 'Road'] 
>>> split_on_uppercase('TheLongWINDINGRoadT', True) 
['The', 'Long', 'WINDING', 'Road', 'T'] 
>>> split_on_uppercase('ABC') 
['A', 'B', 'C'] 
>>> split_on_uppercase('ABCD', True) 
['ABCD'] 
>>> split_on_uppercase('') 
[''] 
>>> split_on_uppercase('hello world') 
['hello world'] 

Answer 11

這是可能的more_itertools.split_before工具的能力。

import more_itertools as mit 

iterable = "TheLongAndWindingRoad" 
[ "".join(i) for i in mit.split_before(iterable, lambda s: s.isupper())] 
# ['The', 'Long', 'And', 'Winding', 'Road'] 

還應拆分單個事件，即，從'ABC'我想獲得['A', 'B', 'C']。

iterable = "ABC" 
[ "".join(i) for i in mit.split_before(iterable, lambda s: s.isupper())] 
# ['A', 'B', 'C'] 

more_itertools是一個第三方包60+有用的工具，包括所有原始itertools recipes的，這避免了手動執行的實現。