Python 通过一组字符串将字符串拆分为列表

我正在处理用乌兹别克语写的单词。该语言有以下字母：

alphabet = ["a", "b", "c", "d", "e", "f", "g", "g'", "h", "i", 
    "j", "k", "l", "m", "n", "ng", "o", "o'", "p", "q", "r", 
    "s", "sh", "t", "u", "v", "x", "y", "z"]

如您所见，有些字母具有多个字符，如

o'

、

g'

和

sh

。如何将这种语言中的一个单词拆分成乌兹别克字母列表？例如，将单词

“o'zbek”

拆分为

[“o'”、“z”、“b”、“e”、“k”]

如果我这样做：

word = "o'zbek"
letters = list(word)

其结果是：

['o', "'", 'z', 'b', 'e', 'k']

['', "'", '', '', '', '']

这是不正确的，因为

o

和

不在一起

我也尝试过这样使用正则表达式：

import re
expression = "|".join(alphabet)
re.split(expression, word)

但结果是：

['o', "'", 'z', 'b', 'e', 'k']

['', "'", '', '', '', '']

像这样的东西很管用

double={o'，“ng”，“g'，“sh”}
string=“o'zbek”
字母=[]
而字符串：
如果字符串[：2]为双精度：
letters.append（字符串[：2]）
字符串=字符串[2:]
其他：
letters.append（字符串[0]）
字符串=字符串[1:]

如果没有三个或更长的字母，则可以列出集合中的所有双字母（在集合中查找元素要比在列表中查找快）

然后遍历字符串，并尝试在字符串开头找到双字母。如果存在，则将其存储在字母列表中

重新导入
字母=re.findall（（o'| g'| ng | sh |[a-z]），字符串）

同样有效。
要优先考虑多个字符的字母，首先我们按照字符长度对字母表进行排序。然后像处理
“|”一样将其传递给正则表达式。join
，然后
re.findall
给出拆分列表：

重新导入
已排序\字母表=已排序（字母表，键=len，反向=True）
regex=re.compile（“|”）
def split_字（字）：
返回关于findall（正则表达式，word）

使用：

>>> split_word("o'zbek")
["o'", 'z', 'b', 'e', 'k']

>>> split_word("asha")
['a', 'sh', 'a']

如果您专门寻找正则表达式，可以尝试使用如下模式使用
re.findall
：

[a-fh-mp-rt-z]|[go]'?|ng?|sh?


[a-fh-mp-rt-z]
-包含所有普通字母的字符类
|
：或：
[go]'？
-后跟可选引号的“g”或“o”
|
-或：
ng？
-文字“n”后跟可选的“g”
|
-或：
sh？
-文字“s”后跟可选的“h”

在线查看

印刷品：

["o'", 'z', 'b', 'e', 'k']


请注意，您也可以优先考虑这些“双”字母，如：
[go]'ng | sh |[a-z]
，有点像@MustafaAydin在他的解释中所说的那样。
您说这种语言有
'sh'
作为字母，但也有
's'
和
'h'
-您希望脚本如何正确阅读
'asha'
？是
['a'、'sh'、'a']
还是
['a'、's'、'h'、'a']
？（类似地，符号
'
是否在其他上下文中允许使用，或者它仅在
o
或
g
之后使用？）如果它是
s
和
h
的组合，则应将其识别为字母
sh
，因此
'asha'
应拆分为
['a'，'sh'，'a']
。而且，yes
“
仅用于字母
o'
和
g'
。