小编use*_*420的帖子

我试图在python中将字符串拆分为"标签"列表.拆分应该处理诸如"HappyBirthday"之类的字符串并删除大多数标点符号但保留连字符和撇号.我的出发点是:

tags = re.findall("([A-Z]{2,}(?=[A-Z]|$)|[A-Z][a-z]*)|\w+-\w+|[\w']+"

我想转换这个示例数据:

Jeff's dog is un-American SomeTimes! BUT NOTAlways

成:

['Jeff's', 'dog', 'is', 'un-American', 'Some', 'Times', 'BUT', 'NOT', 'Always']

PS我很抱歉我的描述不是很好.我不确定如何解释它,并且大多数谷歌都没有成功.我希望这个例子能够恰当地说明它.

编辑:我想我需要更精确,所以,

1. 如果这个词被夸大和资本,就像"联合国美国人"一样,它会把它保持为一个单词,那么输出将是"联合国 - 美国"
2. 如果连字符在一侧或两侧都有一个空格,则a''这是'或'这是 - 是'它应该忽略了那个并产生["这个","是"]和["这个","是" ]尊敬地,
3. 如果它在一个像"What'sItCalled"这样的单词的中间,那么它应该产生["What's","It","Called"]

可能吗？如果没有,给定一个大小为n的数组,我怎么知道它是否更好地排序数组？