在大写字母之前插入空格但不在缩写之间插入空格的pythonic方法

Question

我有一个文件，我正在通过 python 脚本更改其格式。我在这个文件中有几个驼峰式字符串，我只想在大写字母之前插入一个空格 - 所以“WordWordWord”变成了“Word Word Word”，但我也有一些缩写，比如文本“总经理或副总裁”。

我在这篇文章中找到了 David Underhill 的答案：

A pythonic way to insert a space before capital letters

虽然这个答案可以帮助我不在“DaveIsAFKRightNow!Cool”等文本中的缩写之间插入空格

但它肯定会在“VP”中的 V 和 P 之间插入一个空格。

我只有 25 点经验值，无法对现有帖子发表评论，我别无选择，只能针对此类问题创建另一个帖子。

我不太擅长 RegEx，也不知道如何处理这种情况。

我试过这个：

re_outer = re.compile(r'([^A-Z ])([A-Z])')
re_inner = re.compile(r'(?<!^)([A-Z])([^A-Z])')
re_outer.sub(r'\1 \2', re_inner.sub(r' \1\2', 'DaveIsAFKRightNow!Cool'))

它给了我“戴夫现在是 AFK！酷'

我的文本示例是这样的：

General Manager or VP Torrance, CARequired education

我希望输出为：General Manager or VP Torrance, CA Required education

我得到的输出是：General Manager or V P Torrance, CA Required education

Answer 1

您可以将替换替换为首先在大写字母之前插入空格，前面有除大写字母和空格之外的字符，然后在以 1+ 个大写字母开头、后面跟着一个大写和一个小写的单词之前附加一个空格信：

import re
re_outer = re.compile(r'([^A-Z ])([A-Z])')
re_inner = re.compile(r'\b[A-Z]+(?=[A-Z][a-z])')
print(re_inner.sub(r'\g<0> ', re_outer.sub(r'\1 \2', 'DaveIsAFKRightNow!Cool')))
# => Dave Is AFK Right Now! Cool
print(re_inner.sub(r'\g<0> ', re_outer.sub(r'\1 \2', 'General Manager or VP Torrance, CARequired education'))) 
# => General Manager or VP Torrance, CA Required education

见Python demo

\b[A-Z]+(?=[A-Z][a-z]) 正则表达式匹配

• \b - 字边界
• [A-Z]+ - 1+ 个大写字母
• (?=[A-Z][a-z]) - 后跟一个大写字母和一个小写字母。

请注意，\g<0> 在替换模式中插入整个匹配项。

Answer 2

作为替代方案，您可以使用带有alternation 的单一模式：

((?<=[^\W[A-Z])[A-Z]|(?<=\S)[A-Z](?=[a-z]))

在替换中使用一个空格，后跟第 1 组：

 \1

说明

• (抓拍群
  • (?<= 正向前瞻，断言右边是
    • [^\W[A-Z]匹配除A-Z以外的单词字符
  • ) 关闭正向预测
  • |或者
  • (?<=\S) 正向向后看，断言左边是
  • [A-Z]匹配A-Z
  • (?=[a-z])正向前瞻，断言右边是a-z
• )关闭捕获组

Regex demo | Python demo

例如

import re

strings = [
    "General Manager or VP Torrance, CARequired education",
    "WordWordWord",
    "DaveIsAFKRightNow!Cool"
]
pattern = re.compile(r'((?<=[^\W[A-Z])[A-Z]|(?<=\S)[A-Z](?=[a-z]))')

for str in strings:
    print(pattern.sub(r' \1', str)) 

结果

General Manager or VP Torrance, CA Required education
Word Word Word
Dave Is AFK Right Now! Cool