如何在 Python 中拆分具有多个单词分隔符的字符串？

Question

我想要一种使用单词列表作为分隔符来拆分字符串列表的有效方法。输出是另一个字符串列表。

我在一行中尝试了多个 .split，这不起作用，因为第一个 .split returns 是一个列表，后面的 .split 需要一个字符串。

这是输入：

words = ["hello my name is jolloopp", "my jolloopp name is hello"]
splitters = ['my', 'is']

我希望输出为

final_list = ["hello ", " name ", " jolloopp", " jolloopp name ", " hello"]

注意空格。

也可以有类似的东西

draft_list = [["hello ", " name ", " jolloopp"], [" jolloopp name ", " hello"]]

可以使用 numpy reshape(-1,1) 之类的东西将其展平以获得 final_list，但理想情况是

ideal_list = ["hello", "name", "jolloopp", "jolloopp name", "hello"]

空格被去掉的地方，类似于使用.strip().

编辑 1：

如果单词分隔符是其他单词的一部分，则使用 re.split 将无法完全发挥作用。

words = ["hellois my name is myjolloopp", "my isjolloopp name is myhello"]
splitters = ['my', 'is']

那么输出将是

['hello', '', 'name', '', 'jolloopp', '', 'jolloopp name', '', 'hello']

什么时候应该

['hellois', 'name', 'myjolloopp', 'isjolloopp name', 'myhello']

这是使用 re.split 的解决方案的已知问题。

编辑 2：

[x.strip() for x in re.split(' | '.join(splitters), ''.join(words))]

输入为

时无法正常工作

words = ["hello world", "hello my name is jolloopp", "my jolloopp name is hello"]

输出变为

['hello worldhello', 'name', 'jolloopp', 'jolloopp name', 'hello']

什么时候输出应该是

['hello world', 'hello', 'name', 'jolloopp', 'jolloopp name', 'hello']

Answer 1

你可以使用 re 比如，

使用@pault 建议的更好方式更新，使用单词边界 \b 而不是 :space:、

>>> import re
>>> words = ['hello world', 'hello my name is jolloopp', 'my jolloopp name is hello']

# Iterate over the list of words and then use the `re` to split the strings,
>>> [z for y in (re.split('|'.join(r'\b{}\b'.format(x) for x in splitters), word) for word in words) for z in y]
['hello world', 'hello ', ' name ', ' jolloopp', '', ' jolloopp name ', ' hello']

如何在 Python 中拆分具有多个单词分隔符的字符串？

How do I split a string with multiple word delimiters in Python?

python

string

list

split

delimiter