Python重新拆分并将匹配的组附加到拆分的右侧或左侧

从这个例子中：

>>> re.split('(\W)', 'foo/bar spam\neggs')
['foo', '/', 'bar', ' ', 'spam', '\n', 'eggs']

是否有一种直接的方法将捕获组与拆分的右侧或左侧部分关联？例如，使用相同的正则表达式/捕获组，但产生：

['foo', '/bar', ' spam', '\neggs']

或者选择

['foo/', 'bar ', 'spam\n', 'eggs']

我相信您可以通过更改实际的正则表达式来实现这一点，但这不是重点（我们可以修改示例以使匹配更加复杂，因此无法重复使用它们并将它们推到右侧或左侧是一种真正的痛苦）

不幸的是，使其成为非捕获组似乎只是从匹配中删除了相应的字符：

>>> re.split('(?:\W)', 'foo/bar spam\neggs')
['foo', 'bar', 'spam', 'eggs']

另一个例子，考虑如果你从一个行为不当的CSV文件中得到了一些文本。每一行只有一个实际的逗号可以分割，但意外的是，有些行在其中一个字段中也有一个逗号。幸运的是，非拆分逗号后面总是跟一个空格

csv_data = [
    'Some good data,Id 5',
    'Some bad data, like, really bad, dude,Id 6'
]

本例的目标是将其处理为：

[['Some good data', 'Id 5'],
 ['Some bad data, like, really bad, dude', 'Id 6']]

通过使用简单的

re.split

使用

map（lambda x:re.split（，（？：\S）”，x），csv_数据）

生成

[['Some good data', 'd 5'], 
 ['Some bad data, like, really bad, dude', 'd 6']]

[['Some good data', 'I', 'd 5'],
 ['Some bad data, like, really bad, dude', 'I', 'd 6']]

使用

map（lambda x:re.split（，（\S）”，x），csv\u数据）

生成

[['Some good data', 'd 5'], 
 ['Some bad data, like, really bad, dude', 'd 6']]

[['Some good data', 'I', 'd 5'],
 ['Some bad data, like, really bad, dude', 'I', 'd 6']]

那么，对于这两种情况，对

re.split

的通用方法是什么呢？基本上我可以在函数中包装一些东西，比如

def my_split(regex_chars, my_strs):
    return map(lambda x: re.split(...regex_chars..., x), my_strs)

使两者

my_split(r'(\W)', ['foo/bar spam\neggs']) 

及

每个都返回如上所述的预期输出

---

注：仅在

re

中，这似乎是不可能的，但在

regex

和

re

的混合中，这是可能的，这取决于拆分是否为零宽度。

不，这是不可能的。我不知道有哪个正则表达式引擎支持这种东西。拆分意味着拆分：您可以保留拆分器，也可以丢弃拆分器，但不能将拆分器与拆分器之间的碎片混在一起，因为分隔器与其拆分的对象不同

使用该模块，您可以相当简单地执行此操作，但它确实需要更改原始正则表达式：

>>> regex.split('(?=\W)', 'foo/bar spam\neggs', flags=regex.V1)
['foo', '/bar', ' spam', '\neggs']

与内置的

re

模块不同，

regex

模块允许对零宽度匹配进行拆分，因此您可以在下一个字符匹配的位置使用前瞻性拆分

\W

在您在编辑中添加的示例中，即使使用纯

re

，也可以使用lookahead执行此操作，因为拆分器不是零宽度：

>>> map(lambda x: re.split(",(?=\S)", x), csv_data)
[['Some good data', 'Id 5'],
 ['Some bad data, like, really bad, dude', 'Id 6']]

---

不，这是不可能的。我不知道有哪个正则表达式引擎支持这种东西。拆分意味着拆分：您可以保留拆分器，也可以丢弃拆分器，但不能将拆分器与拆分器之间的碎片混在一起，因为分隔器与其拆分的对象不同

使用该模块，您可以相当简单地执行此操作，但它确实需要更改原始正则表达式：

>>> regex.split('(?=\W)', 'foo/bar spam\neggs', flags=regex.V1)
['foo', '/bar', ' spam', '\neggs']

与内置的

re

模块不同，

regex

模块允许对零宽度匹配进行拆分，因此您可以在下一个字符匹配的位置使用前瞻性拆分

\W

在您在编辑中添加的示例中，即使使用纯

re

，也可以使用lookahead执行此操作，因为拆分器不是零宽度：

>>> map(lambda x: re.split(",(?=\S)", x), csv_data)
[['Some good data', 'Id 5'],
 ['Some bad data, like, really bad, dude', 'Id 6']]

---

在这种情况下，您可以使用基于负前瞻的正则表达式，如下所示

>>> csv_data = [
    'Some good data,Id 5',
    'Some bad data, like, really bad, dude,Id 6'
]
>>> [re.split(r',(?!\s)', i) for i in csv_data]
[['Some good data', 'Id 5'], ['Some bad data, like, really bad, dude', 'Id 6']]

---

，（？！\s）

匹配所有不后跟空格字符的逗号。根据匹配的逗号进行拆分将得到所需的输出。

在这种情况下，您可以使用基于负前瞻的正则表达式，如下所示

>>> csv_data = [
    'Some good data,Id 5',
    'Some bad data, like, really bad, dude,Id 6'
]
>>> [re.split(r',(?!\s)', i) for i in csv_data]
[['Some good data', 'Id 5'], ['Some bad data, like, really bad, dude', 'Id 6']]

---

，（？！\s）

匹配所有不后跟空格字符的逗号。根据匹配的逗号进行拆分将获得所需的输出。

如果坚持使用

re.split（），则需要修改正则表达式

re.split不能直接实现，因为split不能在边界上工作。@hwnd那么上面的注释就是答案。如果坚持使用

re.split（），则需要修改正则表达式

re.split不能直接实现，因为split不能在边界上工作。@hwnd那么上面的评论就是答案。你能解释一下

regex.V1

flag的作用吗？@AvinashRaj:我链接到的文档页上描述了它。我会对它进行一些不同的描述（请参阅我的扩展示例，问题底部添加了逗号）。它不一定是零宽度拆分。在逗号示例中，您希望拆分为单个字符（逗号），但仅拆分具有特定属性的特定逗号（后跟非空格字符）。不管那个非空格字符是什么，它都不重要，也不是分割的一部分（只是识别逗号的一部分），而且那个非空格字符需要放在某个地方（在我的例子中，放在分割的右边）。也许这是可以实现的？@F先生：如果这是你想要的，你应该在你的问题中这样说。我编辑了我的答案，以展示你是如何做到这一点的。我想我在我的问题中已经说过了，但没有意识到需要额外的例子才能清楚。你能解释一下

regex.V1

flag的作用吗？@AvinashRaj：这是描述在我链接到的文档页面上。我会对其进行一些不同的描述（请参阅问题底部添加逗号的扩展示例）。它不一定是零宽度拆分。在逗号示例中，您希望拆分为单个字符（逗号），但只拆分具有特定属性的特定逗号（后面紧跟着一个非空格字符）。无论该非空格字符是什么，都不重要，也不是拆分的一部分（只是识别逗号的一部分），并且该非空格字符需要放在某个地方（在我的例子中，放在拆分的右边）.也许这是可以实现的？@F先生：如果这是你想要的，你应该在你的问题中这样说。我编辑了我的答案，以展示你是如何做到这一点的。我想我在我的问题和d中已经说过了