如何正确拆分此字符串列表？

Question

我有一个这样的字符串列表：

['z+2-44', '4+55+z+88']

如何在列表中拆分这些字符串，使其类似于

[['z','+','2','-','44'],['4','+','55','+','z','+','88']]

我已经尝试过使用split 方法，但是它将 44 分成 4 和 4，我不确定还有什么可以尝试的。

Answer 1

你可以使用正则表达式：

import re
lst = ['z+2-44', '4+55+z+88']
[re.findall('\w+|\W+', s) for s in lst]
# [['z', '+', '2', '-', '44'], ['4', '+', '55', '+', 'z', '+', '88']]

\w+|\W+ 匹配由单词字符（在您的情况下为字母数字值）或非单词字符（在您的情况下为+- 符号）组成的模式。

Answer 2

这会起作用，使用itertools.groupby

z = ['z+2-44', '4+55+z+88']

print([["".join(x) for k,x in itertools.groupby(i,str.isalnum)] for i in z])

输出：

[['z', '+', '2', '-', '44'], ['4', '+', '55', '+', 'z', '+', '88']]

如果字符是字母数字（或不是），它只会对字符进行分组，只需将它们重新加入列表理解中。

编辑：带括号的计算器的一般情况已作为后续问题here 提出。如果z如下：

z = ['z+2-44', '4+55+((z+88))']

然后我们得到前面的分组：

[['z', '+', '2', '-', '44'], ['4', '+', '55', '+((', 'z', '+', '88', '))']]

这在令牌方面不容易解析。因此，只有在 alphanum 时才更改为 join，如果不是，则作为列表，最后使用 chain.from_iterable 变平：

print([list(itertools.chain.from_iterable(["".join(x)] if k else x for k,x in itertools.groupby(i,str.isalnum))) for i in z])

产生：

[['z', '+', '2', '-', '44'], ['4', '+', '55', '+', '(', '(', 'z', '+', '88', ')', ')']]

（请注意，备用正则表达式答案也可以这样调整：[re.findall('\w+|\W', s) for s in lst]（注意在W 之后缺少+）

"".join(list(x)) 也比 "".join(x) 稍快，但我会让你把它加起来以避免改变已经很复杂的表达式的可见性。

Answer 3

使用re.split函数的替代解决方案：

l = ['z+2-44', '4+55+z+88']
print([list(filter(None, re.split(r'(\w+)', i))) for i in l])

输出：

[['z', '+', '2', '-', '44'], ['4', '+', '55', '+', 'z', '+', '88']]

Answer 4

您只能在列表理解中使用 str.replace() 和 str.split() 内置函数：

In [34]: lst = ['z+2-44', '4+55+z+88']

In [35]: [s.replace('+', ' + ').replace('-', ' - ').split() for s in lst]
Out[35]: [['z', '+', '2', '-', '44'], ['4', '+', '55', '+', 'z', '+', '88']]

但请注意，对于较长的字符串，这不是一种有效的方法。在这种情况下，最好的方法是使用正则表达式。

作为另一种pythonic方式，您也可以使用tokenize模块：

In [56]: from io import StringIO

In [57]: import tokenize

In [59]: [[t.string for t in tokenize.generate_tokens(StringIO(i).readline)][:-1] for i in lst]
Out[59]: [['z', '+', '2', '-', '44'], ['4', '+', '55', '+', 'z', '+', '88']]

tokenize 模块为 Python 源代码提供了一个词法扫描器，用 Python 实现。此模块中的扫描仪也将 cmets 作为令牌返回，使其可用于实现“漂亮的打印机”，包括用于屏幕显示的着色器。

Answer 5

如果你想坚持使用split（因此避免使用正则表达式），你可以为它提供一个可选字符来分割：

>>> testing = 'z+2-44'
>>> testing.split('+')
['z', '2-44']
>>> testing.split('-')
['z+2', '44']

因此，您可以通过链接拆分命令来制造一些东西。

不过，使用正则表达式可能更易读：

import re

>>> re.split('\+|\-', testing)
['z', '2', '44']

这只是说“在任何 + 或 - 字符处拆分字符串”（反斜杠是转义字符，因为它们在正则表达式中都有特殊含义。

最后，在这种特殊情况下，我认为目标是“在每个非字母数字字符处拆分”，在这种情况下，正则表达式仍然可以节省时间：

>>> re.split('[^a-zA-Z0-9]', testing)
['z', '2', '44']

当然值得注意的是，还有一百万种其他解决方案，正如其他一些 SO 讨论中所讨论的那样。

Python: Split string with multiple delimiters

Split Strings with Multiple Delimiters?

为了纪念 Donald Knuth，我在这里的答案是针对简单易读的代码而不是性能。