String dividida em Python com base em regex

115

Qual é a melhor maneira de dividir uma string "HELLO there HOW are YOU"por palavras em maiúsculas (em Python)?

Então, eu acabaria com uma matriz como esta: results = ['HELLO there', 'HOW are', 'YOU']

EDITAR:

Eu tentei:

p = re.compile("\b[A-Z]{2,}\b")
print p.split(page_text)

Mas não parece funcionar.

python regex split

— Totó
fonte

2

O que você tentou ? - Você não conseguiu encontrar re.split()?

— Gareth Latty

5

Quando você diz que algo não funciona, você deve explicar o porquê. Você consegue uma exceção? (Em caso afirmativo, poste a exceção inteira) Você obteve a saída errada?

— Gareth Latty

134

Eu sugiro

l = re.compile("(?<!^)\s+(?=[A-Z])(?!.\s)").split(s)

Confira esta demonstração .

— Ωmega
fonte

5

o que acontece quando você não usa compilar?

— Feelsbadman

3

De acordo com os relatórios , "a maioria das operações de expressão regular estão disponíveis como funções de nível de módulo e métodos RegexObject. As funções são atalhos que não exigem que você compile um objeto regex primeiro, mas falham alguns parâmetros de ajuste fino. " re.split(re.split(pattern, string, maxsplit=0, flags=0))conforme mencionado nos documentos citados anteriormente.

— ZaydH

57

Você poderia usar um lookahead:

re.split(r'[ ](?=[A-Z]+\b)', input)

Isso se dividirá em cada espaço seguido por uma sequência de letras maiúsculas que terminam em um limite de palavra.

Observe que os colchetes são apenas para facilitar a leitura e também podem ser omitidos.

Se for suficiente que a primeira letra de uma palavra seja maiúscula (então se você quiser dividir na frente Hellotambém) fica ainda mais fácil:

re.split(r'[ ](?=[A-Z])', input)

Agora, isso se divide em cada espaço seguido por qualquer letra maiúscula.

— Martin Ender
fonte

1

Como eu mudaria re.split(r'[ ](?=[A-Z]+\b)', input)para não encontrar letras maiúsculas? Por exemplo, não corresponderia a "A"? Eu tentei re.split(r'[ ](?=[A-Z]{2,}+\b)', input). obrigado!

@JamesEggers Você quer dizer que deseja exigir pelo menos duas letras maiúsculas, para não se dividir em palavras como I? re.split(r'[ ](?=[A-Z]{2,}\b)', input)deve fazer isso.

— Martin Ender

2

Eu sugeriria pelo menos [ ]+ou talvez até \W+pegar um pouco mais casos. Ainda assim, uma boa resposta.

— georg

Tentei a mesma abordagem. No entanto, ter um [ ]não funcionou para mim. Em vez disso, eu usei \s. A regexp completa que funcionou para mim foire.split("\s(?=[A-Z]+\s)", string)

— h3xh4wk

0

Sua pergunta contém a string literal "\b[A-Z]{2,}\b", mas isso \bsignificará retrocesso, porque não há modificador r.

Tente: r"\b[A-Z]{2,}\b".

— druid62
fonte