Python 用正则表达式分割字符串

Question

我正在尝试使用 Python 的分区和正则表达式来清理文本字符串。例如：

testString = 'Tre Bröders Väg 6 2tr'
sep = '[0-9]tr'
head,sep,tail = testString.partition(sep)
head
>>>'Tre Br\xc3\xb6ders V\xc3\xa4g 6 2tr'

头部仍然包含我要删除的 2tr。我不太擅长正则表达式，但 [0-9] 不应该吗？

我希望从这个例子中得到的输出是

head
>>> 'Tre Br\xc3\xb6ders V\xc3\xa4g 6

Answer 1

str.partition 不支持 regex ，因此当你给它一个像 - '[0-9]tr' 这样的字符串时，它试图在 testString 中找到确切的字符串以根据，它没有使用任何正则表达式。

根据documentation of str.partition -

Split the string at the first occurrence of sep, and return a 3-tuple containing the part before the separator, the separator itself, and the part after the separator. If the separator is not found, return a 3-tuple containing the string itself, followed by two empty strings.

既然你说了，你只想要 head ，你可以使用 re.split() method from re 模块，将 maxsplit 设置为 1 ，然后取它的第一个元素，应该是等同于您尝试使用 str.partition。示例 -

import re
testString = 'Tre Bröders Väg 6 2tr'
sep = '[0-9]tr'
head = re.split(sep,testString,1)[0]

演示 -

>>> import re
>>> testString = 'Tre Bröders Väg 6 2tr'
>>> sep = '[0-9]tr'
>>> head = re.split(sep,testString,1)[0]
>>> head
'Tre Bröders Väg 6 '

Answer 2

对于那些仍在寻找如何进行正则表达式分区的答案的人，请尝试以下功能：

import regex # re also works

def regex_partition(content, separator):
    separator_match = regex.search(separator, content)
    if not separator_match:
        return content, '', ''

    matched_separator = separator_match.group(0)
    parts = regex.split(matched_separator, content, 1)

    return parts[0], matched_separator, parts[1]

Answer 3

普通re.split()方法

您可以使用re.split()提取head。

import re

testString = 'Tre Bröders Väg 6 2tr'
sep = r'[0-9]tr'  # "r" is essential here!
head, tail = re.split(sep, testString)  
head.strip()
>>>'Tre Bröders Väg 6'

巧克力洒re.split()方法

如果你用()捕获sep，re.split()的行为就像一个伪re.partition()（Python中没有这样的方法，实际上.. .)

import re

testString = 'Tre Bröders Väg 6 2tr'
sep = r'([0-9]tr)'  # "()" added.
# maxplit of 1 is added at the suggestion of Ángel ;)
head, sep, tail = re.split(sep, testString, 1)
head, sep, tail
>>>('Tre Bröders Väg 6 ', '2tr', '')

Answer 4

我来到这里是为了寻找一种使用基于正则表达式的方法 partition()

如中所包含的那样，如果 re.split() 包含捕获组，则 re.split() 可以作为分隔符，因此基于正则表达式创建分区函数的最基本方法是：

re.split( "(%s)" % sep, testString, 1)

但是，这仅适用于简单的正则表达式。如果您按使用组的正则表达式拆分（即使不捕获），它也不会提供预期的结果。

我首先查看了提供的函数，但它不必要地第二次运行正则表达式，更重要的是，如果模式与自身不匹配（它应该 string.split matched_separator，而不是 re.split)。

因此我实现了我自己的支持正则表达式的 partition() 版本：

def re_partition(pattern, string, return_match=False):
    '''Function akin to partition() but supporting a regex
    :param pattern: regex used to partition the content
    :param content: string being partitioned
    '''

    match = re.search(pattern, string)

    if not match:
        return string, '', ''

    return string[:match.start()], match if return_match else match.group(0), string[match.end():]

作为附加功能，它可以 return 匹配对象本身，而不仅仅是匹配的字符串。这允许您直接与分隔符的组进行交互。

并以迭代器形式：

def re_partition_iter(pattern, string, return_match=False):
    '''Returns an iterator of re_partition() output'''

    pos = 0
    pattern = re.compile(pattern)
    while True:
        match = pattern.search(string, pos)
        if not match:
            if pos < len(string):  # remove this line if you prefer to receive an empty string
                yield string[pos:]
            break

        yield string[pos:match.start()]
        yield match if return_match else match.group(0)
        pos = match.end()

Python 用正则表达式分割字符串

Python partition string with regular expressions

python

regex

partition