拆分包含数字、罗马数字和项目符号列表的字符串的最佳方法是什么？答案

【问题标题】：What is the best way to split a string containing lists of numbers, roman numbers, and bullets?拆分包含数字、罗马数字和项目符号列表的字符串的最佳方法是什么？
【发布时间】：2018-09-28 14:16:38
【问题描述】：

我试图用不同的格式分解一个包含多个列表的字符串。最好的方法是什么？

string = "something here: 1) A i) great ii) awesome 2) B"

another_string = "But sometimes it is different (1) yep (2) not the same i. or this ii. another bullet (3.1) getting difficult huh? 3.1.1 okay i'm done"

理想情况下，我希望能够拆分任何可能的编号或项目符号列表。

字符串的期望输出：

something here: 1) A 
i) great 
ii) awesome 
2) B

另一个字符串的期望输出：

But sometimes it is different (1) yep
(2) not the same
i. or this 
ii. another bullet
(3.1) getting difficult huh?
3.1.1 okay i'm done

【问题讨论】：

你想要的输出是什么？
@Ajax1234 刚刚修改了我的问题
好吧，理论上你可以用正则表达式对数字进行分割......但是为了使代码更通用，我们将如何处理文本可能包含数字的事实？例如：(3.1) 2.4 米
@AntonvBR 我想 2.4 也会作为字符串的另一个子字符串被截断。不确定是否有其他解决方法。
@echan00 是的，但是......这里的问题是。你想做什么？您想在输出之前验证拆分吗？可能会构建一个拆分或追加的程序。

标签： python regex split

【解决方案1】：

您可以将re.split 与以下正则表达式（使用从paxdiablo 借用的罗马数字正则表达式）一起使用来拆分输入字符串，然后使用迭代器将它们连接起来：

import re
def split(s):
    i = iter(re.split(r'(\(?\d+(?:\.\d+)+\)?|\(?\d+\)|\(?\b(?=M|(?:CM|CD|D?C)|(?:XC|XL|L?X)|(?:IX|IV|V?I))M{0,4}(?:CM|CD|D?C{0,3})(?:XC|XL|L?X{0,3})(?:IX|IV|V?I{0,3})[.)])', s, flags=re.IGNORECASE))
    return next(i) + '\n'.join(map(''.join, zip(i, i)))

这样使用您的示例输入：

split(string)

会返回：

something here: 1) A 
i) great 
ii) awesome 
2) B

和：

split(another_string)

会返回：

But sometimes it is different (1) yep 
(2) not the same 
i. or this 
ii. another bullet 
(3.1) getting difficult huh? 
3.1.1 okay i'm done

【讨论】：

嗯，那里有大正则表达式，（让我头晕目眩），:-)，至少它仍然有效:-)
这很棒，但我注意到其他一些问题.. 表示为 (a)、(b)、(c)、(A)、(B)、(C) 的列表是被切断。像 Mr. 和 Mrs. 这样的缩写也被取消了。 www.google.com、www.sfc.com.hk 等网址也被剪掉了。
@echan00 我明白了。我已经通过修复更新了我的答案。请再试一次。
我看到了一个奇怪的情况，即 (i) 没有被拆分，而 (ii) 被拆分为 '(' 和 'ii)'。我还看到一个案例，其中“（Cap.”和“615）”被拆分但没有“（Cap. 486）”。知道为什么吗？
@blhsing 无论如何你都很棒，将答案标记为已解决