Python 使用正则表达式拆分项目列表

首先，我有一个由项目列表组成的字符串，这些项目可以通过枚举数逗号/‘and’或文章‘a’/‘an’/‘the’拼接。请注意，如果有枚举数，则可以省略该项目，反之亦然

例如，让我们看看这个输入：

a paper, leaf the clock and an angel

这必须分为：

论文 叶 时钟 天使

第一个示例只有单个名称的项目，所以让我们看看另一个例子：

a paper with some letters, a torn leaf and clock and an angel doll

这必须分为：

有一些字母的纸 撕裂的叶子 时钟 天使娃娃 我已经为此尝试了一些正则表达式，最接近的用法是：

(?:\b(?P<article>the|an|a)\b)\s(?P<object>\b.+?\b(?=\b(?:the|an|a|$)\b))

当然，我没有考虑“，”/“和“拆分”，因为我无法理解，很遗憾

最后，正如您所看到的，我使用了组来识别/分离文章中的对象。如果可以的话，那就太好了。你有什么建议？

只需使用re.split

进口稀土 a=一张写着一些字母的纸，一片撕破的叶子，一只钟和一个天使娃娃 将要移除的每个分隔符放置在| 关于拆分'、|和| a'，a 结果: [，“有字母的纸”，“撕碎的叶子”，“钟”，“天使娃娃”] 如果需要保留分隔符，请使用括号：

[i在re.split'中表示i，|和| a'，a如果i] 结果: ['a'、'带字母的纸'、'、'a'、'撕破的叶子'、'时钟'、'天使娃娃']

---

按照regex中与re.split匹配的降序，列举所有小案例：

进口稀土 s=一张写着一些字母的纸，一片撕破的叶子，一只钟和一个天使娃娃 关于拆分器“^an | ^a | |,a |,an |,and |,an |,an,an,a,an和| an |,s” [，“有字母的纸”，“撕碎的叶子”，“钟”，“天使娃娃”] 其余的只是清理，等等

要保留匹配的内容，请按照以下文档将正则表达式括在括号中：

关于拆分器“^an | ^a | |,a |,an |,and |,an |,an,an,a,an和| an |,s” [，'a'，'paper with some字母'，'a'，'Rate leaf'，'and'，'clock'，'and'，'angel doll']

---

关于我想解决的具体任务，我遇到了另一个想法， 步骤如下：

只要有“and”或“or”，后面没有和冠词，就添加默认冠词 和|？！那个| an | a | ^？！将| an | a替换为 从输入文本中删除每个“和”或“，”，现在每个对象都应该用冠词分隔 和|，替换为 将输入内容分离到article+除article之外的所有内容中 P | an | a | P.+？=？：a | an | a\b |[^$]*

---

PS：如果有人知道最后一个正则表达式的替代方法，请随时发布！：

通过使用re.sub，我们可以用新行替换特定字符串。 在re.sub中，您可以添加任何需要替换为新行的文章

示例代码：

输出：

---

我建议使用合适的工具，比如NLTK，来解析一种自然语言。你在某些情况下保留了这篇文章，在另一些情况下放弃了它。这是一个错误吗？或者你有没有遗漏一些规则？文章可以在那里，也可以省略，如果有枚举数和或逗号@Mike@georg我理解你说的，这可能是个更好的主意。。。但是NLTK上的许可证仅用于非商业用途。。我可能需要在某个时候将其用于商业用途。@xDGameStudios:NLTK是在Apache 2.0下获得许可的。如果它允许任何商业用途，并且是非版权保留的，那么你不必按照相同的条款发布你的软件。正如我所说的，我需要把文章放在那里a/an/the做一些后期处理！好吧，我明白了。。。但话说回来。。。我需要捕获组文章和对象如果有，我需要将文章保留在那里以便后期处理

s = 'a paper with some letters, a torn leaf and clock and an angel doll'

print(re.sub(r'(and|,)\s', r"\0\n", s))

a paper with some letters
a torn leaf 
clock 
an angel doll