遇到另一个字母时分裂

问题描述

假设我有一个字符串：

欧珑 无极乌龙 Atelier Cologne Oolang Infini,2010

如何将其拆分为两个字符串的数组？ ['欧珑 无极乌龙','Atelier Cologne Oolang Infini,2010']

我尝试过：

names = re.split(r'([a-zA-Z]+)',names)

但是它给出了：

names:  ['欧珑 无极乌龙 ','Atelier',' ','Cologne','Oolang','Infini',',2010']

解决方法

一种快速简单的正则表达式，用于区分 latin 和 non-latin 部分（regex101 demo）。

(?i)[^a-z\d]+|[_a-z\d\W]+

与re.findall（tio.run demo）一起使用。正则表达式很容易自我解释和匹配

• one or more个拉丁字母或数字的[^a-z\d]+ not个字符
• 或[_a-z\d\W]+一个或多个，即_拉丁字母，数字或非word-characters

速度很快，但是您需要从结果中修剪空白。否则会变得更加复杂：）要在结果中区分 拉丁 / 非拉丁，您可以将finditer与{{ 3}}（groups）。

import re

text = '欧珑 无极乌龙 Atelier Cologne Oolang Infini,2010 乌龙乌 foo$'
pattern = '(?i)([^a-z\d]+)|([_a-z\d\W]+)'

for m in re.finditer(pattern,text):
  if(m.group(1)):
    print("non-latin:\t'" + m.group(1).strip() + "'")
  if(m.group(2)):
    print("latin:\t\t'" + m.group(2).strip() + "'")