以大写字母拆分字符串，但前提是没有空格

Question

设置

我有一串名字需要分成一个列表。

关注this answer，我有，

string = 'KreuzbergLichtenbergNeuköllnPrenzlauer Berg'
re.findall('[A-Z][a-z]*', string)

最后一行给我的地方，

['Kreuzberg', 'Lichtenberg', 'Neuk', 'Prenzlauer', 'Berg']

---

问题

1) 空格被忽略

“Prenzlauer Berg”实际上是 1 个名称，但代码根据“split-at-capital-letter”规则进行拆分。

如果前面的字符是空格，确保它不在大写字母处拆分的命令是什么？

2) 特殊字符处理不好

使用的代码无法处理'ö'。如何包含此类“德语”字符？

即我想获得，

['Kreuzberg', 'Lichtenberg', 'Neukölln', 'Prenzlauer Berg']

Answer 1

您可以使用正面和负面的lookbehind并明确列出元音变音：

>>> string = 'KreuzbergLichtenbergNeuköllnPrenzlauer Berg'
>>> re.findall('(?<!\s)[A-ZÄÖÜ](?:[a-zäöüß\s]|(?<=\s)[A-ZÄÖÜ])*', string)
['Kreuzberg', 'Lichtenberg', 'Neukölln', 'Prenzlauer Berg']

(?<!\s)...：匹配前面没有\s的...

(?<=\s)...：匹配前面有\s的...

(?:...): 非捕获组，以免混淆 findall 结果

Answer 2

这行得通

string="KreuzbergLichtenbergNeuköllnPrenzlauer Berg"
pattern="[A-Z][a-ü]+\s[A-Z][a-ü]+|[A-Z][a-ü]+"
re.findall(pattern, string)
#>>>['Kreuzberg', 'Lichtenberg', 'Neukölln', 'Prenzlauer Berg']