在python re中分隔字符串中的第一个单词

我需要将字符串分为两组；第一个单词和第二个单词或一组单词。单词之间用下划线分隔，当我使用当前代码时，如果有多个下划线，则只将最后一个下划线分隔开。以下是我目前拥有的代码：

for record in reader:
s = record['trial']
patternsubgen = re.compile(r'(\w+)\(\w+\)\_(\w+)')
source = "Footit"
if patternsubgen.search(s):
    resultsubgen = patternsubgen.search(s)
    genussubgen = resultsubgen.group(1)
    speciessubgen = resultsubgen.group(2)
    subgen = '%s %s' % (genussubgen, speciessubgen)
    #print(subgen)
else:
    pattern = re.compile(r'(\w+)\_(\w+)')
    if pattern.search(s):
        result = pattern.search(s)
        genus = result.group(1)
        species = result.group(2)
        new = '%s %s' % (genus, species)
        print(new)

以下是字符串的一些示例：

Aphis(Aphis)_asclepiadis, Cinara_011, Clydesmithia_canadensis_1a,

我需要的是：

Aphis asclepiadis,
Cinara 011,
Clydesmithia canadensis_1a,

我得到的是：

Aphis asclepiadis,
Cinara 011,
Clydesmithia_canadensis 1a

代码 选择1

替换

$1 $2

$1 $2

选择2

替换

$1 $2

$1 $2

---

结果 输入 输出 选项1

Aphis asclepiadis, Cinara 011, Clydesmithia canadensis_1a,
Aphis asclepiadis, Cinara 011, Clydesmithia canadensis_1a_test,

选项2

Aphis _asclepiadis, Cinara 011, Clydesmithia canadensis_1a,
Aphis test_asclepiadis, Cinara 011, Clydesmithia canadensis_1a_test,

---

解释 选择1

• （\w+？（？=[（]））

  将以下内容捕获到捕获组1中

  • \w+？

    匹配一个或多个单词字符，但尽可能少

  • （？=[（]）

    正向前瞻确保后面的内容与集合中的字符匹配

    （

• *？

  匹配任意字符任意次数，但尽可能少

• 。

  按字面意思匹配下划线字符

  。

• （\w+）

  将任何单词字符捕获一次或多次到捕获组2中

选择2

• （[^\uw]+）

  将一个或多个单词字符捕获到捕获组1中，但
  除外

• *？

  匹配任意字符任意次数，但尽可能少

• [）\uu]

  按字面意思匹配

  ）

  或

• （\w+）

  将一个或多个单词字符捕获到捕获组2中

---

对于给定的字符串，可以使用

\b([^_\W]+)(?:\([^()]+\))?_(\w+)\b

看。

---

在Python中：

import re

strings = 'Aphis(Aphis)_asclepiadis, Cinara_011, Clydesmithia_canadensis_1a,'

rx = re.compile(r'\b([^_\W]+)(?:\([^()]+\))?_(\w+)\b')

strings = rx.sub("\g<1> \g<2>", strings)
print(strings)
# Aphis asclepiadis, Cinara 011, Clydesmithia canadensis_1a,

重新导入
字符串='Aphis（Aphis）\u asclepiadis，Cinara\u 011，Clydesmithia\u canadensis\u 1a，'
rx=re.compile（r'\b（[^\uw]+）（？：\（[^（）]+\）？\uw+\b'）
strings=rx.sub（“\g\g”，strings）
打印（字符串）
#Aphis asclepiadis，Cinara 011，Clydesmithia Canadensis1a，

已经有了很好的正则表达式答案。不过，您可以单独使用正则表达式来实现目标。它接受一个指定最大拆分数的参数：

records = ["Aphis(Aphis)_asclepiadis", "Cinara_011", "Clydesmithia_canadensis_1a"]

for record in records:
    left, right = record.split('_', 1) # Split no more than once.
    left = left.split('(')[0]          # Remove anything after '('
    print(' '.join([left, right]))
# Aphis asclepiadis
# Cinara 011
# Clydesmithia canadensis_1a

---

顺便说一句，您不应该在循环中调用

re.compile

。这是一个昂贵的操作，而且模式不会在记录之间更改。

要求不够明确，因此会出现一些不明确的用例。但是结合您自己的代码和主题字符串，我会提供这样的正则表达式：

\(\w+\)_(\w+)|_(\w+)

---

在野外能找到这些细绳吗？关于加拿大一枝黄花（Clydesmithia_1a_2b）？类似的东西？关于Aphis（Aphis）呢test\u asclepiadis，Cinara\u 011，Clydesmithia\u canadensis\u 1a\u test，？@revo:不确定OP想要什么，真的。嗨，谢谢你的回答。我有两个问题：1.我如何重写代码，以避免编译两次；我需要在记录上执行其他操作，但我不知道如何在不编译的情况下执行这些操作。2.我尝试使用您提供的e代码，但我的终端显示“dict”对象没有“split”属性。我在csv.DictReader中-这可能是造成此问题的原因，还是存在其他问题？使用split可能会修复我遇到的其他一些问题，因此它可能非常有用。@birdoptera:只需将

re.compile

行移到for循环之前。

split

应该在字符串上调用，而不是在dict上调用。

\(\w+\)_(\w+)|_(\w+)