如何通过识别令牌的结构来使用re模块拆分字符串

Question

我知道，当我想在Python中使用re模块和split((方法时，我需要提供我想打断字符串的模式(即，在空白处，我会使用类似pattern = re.compile('\s+')的模式(。

但对于更复杂的情况，我有一个字符串，其模式如下：

'letters<space>letters<space>numbers<space>...repeat...'

我应该如何编写regex以在每次重复时进行拆分？我试图使用与字符串完全匹配的表达式的否定，直到重复，就像这里建议的那样，但Python抛出了一个错误。有什么建议吗？

Answer 1

给出示例字符串：

text = 'aaaaa 12345 aaaaa bbbbb 12345 bbbbb ccccc 12345 ccccc'

相反，您使用re.split()，也许您可以使用re.findall():

re.findall(r'w+s+w+s+w+', text)
# output: ['aaaaa 12345 aaaaa', 'bbbbb 12345 bbbbb', 'ccccc 12345 ccccc']

如果你无论如何都想使用re.split()，你可以把它放在一个组中，然后使用生成器来清理空间：

splitted = re.split(r'(w+s+w+s+w+)', text)
#output: ['', 'aaaaa 12345 aaaaa', ' ', 'bbbbb 12345 bbbbb', ' ', 'ccccc 12345 ccccc', '']
[ele for ele in splitted if ele.strip()]
#output: ['aaaaa 12345 aaaaa', 'bbbbb 12345 bbbbb', 'ccccc 12345 ccccc']

Answer 2

如果我正确理解了这个问题，这可能是一种拆分字符串的方法：

In [298]: s                                                                                                           
Out[298]: 'lettersone letterstwo 12 lettersthree lettersfour 34'
In [299]: re.findall(r'(?:w+ w+ d+)', s)                                                                           
Out[299]: ['lettersone letterstwo 12', 'lettersthree lettersfour 34']