python中字符串的上下文相关拆分

道歉，如果这是多余的，但一个相当深入的搜索互斥发现没有任何相关的

我有一个来自（化学）数据库的字符串，其中分隔符（逗号）偶尔出现在我希望拆分的项目中。一个示例字符串是

s = '2-Methyl-3-phythyl-1,4-naphthochinon,Vitamin, K1,Antihemorrhagic vitamin'

在这种情况下，正确的拆分将产生

splitS = ['2-Methyl-3-phythyl-1,4-naphthochinon', 'Vitamin, K1', 'Antihemorrhagic vitamin']

我相信我能设计的最准确的方法是在逗号上拆分，逗号旁边没有空格，并且没有两个数字包围。这会留下“1,4”和“Vitamin，K1”等实例，但会将字符串拆分为正确的3个化学名称

我尝试过使用RE，但没有成功。我可以发布一些我已经尝试过的东西，但它几乎是无用的。非常感谢你的帮助

编辑：本来应该包括这个。通过我的一些黑客攻击，以及@Borealid的更优雅的解决方案，我已经正确地识别了拆分的位置，但是得到了可怕的输出，例如

>>> s = '2-Methyl-3-phythyl-1,4-naphthochinon,Vitamin, K1,Antihemorrhagic vitamin'
>>> pat = re.compile("([^\d\s],[^\d\s])|([^\s],[^\d\s])|([^\d\s],[^\s])")
>>> re.split(pat, s)
['2-Methyl-3-phythyl-1,4-naphthochino', 'n,V', None, None, 'itamin, K', None, '1,A', None, 'ntihemorrhagic vitamin']

似乎应该有一种方法首先确定要拆分的正确逗号，然后只拆分逗号，从而避免名称被损坏

再次感谢

类似于

（[^\d\s]，^\d\s]）|（[^\s]，^\d\s]）|（[^\d\s]，^\s]）之类的东西

逗号加（（两侧的数字）或（尾部的数字但不在头部）或（头部的数字但不在尾部））”

在所有情况下，逗号旁边都没有空格

\d

是“数字”。

\s

是“空白”。

[]

是字符类-

[^]

是反转字符类（“匹配不在后续内容中的字符”）

---

不会在字符串的第一个或最后一个位置拆分逗号，但我认为这不会引起关注。

您可以通过使用来获得此行为，以便只匹配符合您解释的逗号：

(?<!\d),(?! )|(?<=\d),(?![\d ])

 (?<!\d),   # match a comma that is not preceeded by a digit...
 (?! )      # ... as long as it is not followed by a space
|           # OR
 (?<=\d),   # match a comma that is preceeded by a digit...
 (?![\d ])  # ... as long as it is not followed by a digit or a space

（？
它似乎具有适合您的正确行为示例字符串：

>>> re.split(r'(?<!\d),(?! )|(?<=\d),(?![\d ])', s)
['2-Methyl-3-phythyl-1,4-naphthochinon', 'Vitamin, K1', 'Antihemorrhagic vitamin']

>>re.split（r'（？（？我有一个解决方案，但有点长。好了，我们开始：

s = '2-Methyl-3-phythyl-1,4-naphthochinon,Vitamin, K1,Antihemorrhagic vitamin'

首先，让我们查找字符串中所有逗号的所有位置（在
所有逗号中）和所有特殊逗号的位置（在
特殊逗号中）

其次，我们得到了这些位置的差异（在
split_逗号中）

split_commas = set(all_commas) - set(special_commas)

然后，我们将迭代这些拆分位置，并将拆分的字符串保存在
splitS

splitS = []
start = -1
for end in sorted(split_commas) + [None]:
    splitS.append(s[start+1:end])
    start = end

最后，这就是我们在
拆分中得到的：

>>> splitS
['2-Methyl-3-phythyl-1,4-naphthochinon', 'Vitamin, K1', 'Antihemorrhagic vitamin']

当然有用-谢谢！现在，花一整天的时间来弄清楚它为什么有用…：@theFuriousNoob-看我的编辑，我添加了一些解释应该会有帮助。-只是为了检查我的理解：the（？
\s
将匹配空格、制表符和换行符。我之所以使用空格字符，是因为您似乎仍然希望在
'、…'
和
'、…'
上拆分，但如果不是这样，您可以将空格字符替换为
\s
或
[\t]
。是的，您有正确的环视语法。
splitS = []
start = -1
for end in sorted(split_commas) + [None]:
    splitS.append(s[start+1:end])
    start = end

>>> splitS
['2-Methyl-3-phythyl-1,4-naphthochinon', 'Vitamin, K1', 'Antihemorrhagic vitamin']