在python字符串中快速分割alpha和数字字符的方法

Question

我试图找出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,当我尝试这样的事情时,我仍然会得到不好的结果:

 fixate("Westminister15London England")

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

显然它应该入伍London和England分开,但我觉得我的功能会得到过度修补,而且这是一种更简单的方法

这个问题有点像这个 php问题

Answer 1

问题是Python re.split()不会分为零长度匹配.但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+匹配任意数字的数字,[^\W\d_]+匹配任何单词.

Answer 2

这是另一种方法,如果你更喜欢远离正则表达式,如果一个人不熟悉它/自己改变它,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")))

收益:

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

如果需要,也可以容易地修改生成器,从而不会产生空白字符串.

Answer 3

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，删除空字符串/仅空白字符串。