带有正则表达式的 Python 分区字符串

Question

我正在尝试使用 Python 的分区和正则表达式来清理文本字符串。例如：

testString = 'Tre Bröders Väg 6 2tr'
sep = '[0-9]tr'
head,sep,tail = testString.partition(sep)
head
>>>'Tre Br\xc3\xb6ders V\xc3\xa4g 6 2tr'

头部仍然包含我要删除的 2tr。我不太擅长正则表达式，但 [0-9] 不应该这样做吗？

我希望从这个例子中得到的输出是

head
>>> 'Tre Br\xc3\xb6ders V\xc3\xa4g 6

Answer 1

str.partition 不支持 regex ，因此当您给它一个类似 - '[0-9]tr' 的字符串时，它会尝试在 testString 中找到确切的字符串以进行分区，它没有使用任何正则表达式。

根据documentation of str.partition -

在第一次出现 sep 时拆分字符串，并返回一个 3 元组，其中包含分隔符之前的部分、分隔符本身和分隔符之后的部分。如果没有找到分隔符，则返回一个包含字符串本身的 3 元组，后跟两个空字符串。

既然你说，你只想要 head ，你可以使用 re 模块中的 re.split() 方法，将 maxsplit 设置为 1 ，然后取它的第一个元素，这应该相当于什么您正在尝试使用str.partition。示例 -

import re
testString = 'Tre Bröders Väg 6 2tr'
sep = '[0-9]tr'
head = re.split(sep,testString,1)[0]

演示 -

>>> import re
>>> testString = 'Tre Bröders Väg 6 2tr'
>>> sep = '[0-9]tr'
>>> head = re.split(sep,testString,1)[0]
>>> head
'Tre Bröders Väg 6 '

Answer 2

对于那些仍在寻找如何进行正则表达式分区的答案的人，请尝试以下功能：

import regex # re also works

def regex_partition(content, separator):
    separator_match = regex.search(separator, content)
    if not separator_match:
        return content, '', ''

    matched_separator = separator_match.group(0)
    parts = regex.split(matched_separator, content, 1)

    return parts[0], matched_separator, parts[1]

Answer 3

普通的re.split() 方法

您可以使用re.split() 提取head。

import re

testString = 'Tre Bröders Väg 6 2tr'
sep = r'[0-9]tr'  # "r" is essential here!
head, tail = re.split(sep, testString)  
head.strip()
>>>'Tre Bröders Väg 6'

巧克力洒re.split()方法

如果你用()捕获sep，re.split()的行为就像一个伪re.partition()（在Python中没有这样的方法，实际上......）

import re

testString = 'Tre Bröders Väg 6 2tr'
sep = r'([0-9]tr)'  # "()" added.
# maxplit of 1 is added at the suggestion of Ángel ;)
head, sep, tail = re.split(sep, testString, 1)
head, sep, tail
>>>('Tre Bröders Väg 6 ', '2tr', '')

Answer 4

我来到这里是为了寻找一种使用基于正则表达式的方法partition()

正如yelichi answer中包含的那样，re.split()如果包含捕获组，则可以返回分隔符，因此基于正则表达式创建分区函数的最基本方法是：

re.split( "(%s)" % sep, testString, 1)

但是，这只适用于简单的正则表达式。如果您通过使用组的正则表达式进行拆分（即使没有捕获），它也不会提供预期的结果。

我首先查看了skia.heliou answer 提供的函数，但它不必要地第二次运行正则表达式，更重要的是，如果模式与自身不匹配，则会失败（它应该在matched_separator 上使用string.split，而不是re.split。分裂）。

因此我实现了我自己的支持正则表达式的 partition() 版本：

def re_partition(pattern, string, return_match=False):
    '''Function akin to partition() but supporting a regex
    :param pattern: regex used to partition the content
    :param content: string being partitioned
    '''

    match = re.search(pattern, string)

    if not match:
        return string, '', ''

    return string[:match.start()], match if return_match else match.group(0), string[match.end():]

作为一个附加功能，它可以返回匹配对象本身，而不仅仅是匹配的字符串。这使您可以直接与分隔符的组进行交互。

并以迭代器形式：

def re_partition_iter(pattern, string, return_match=False):
    '''Returns an iterator of re_partition() output'''

    pos = 0
    pattern = re.compile(pattern)
    while True:
        match = pattern.search(string, pos)
        if not match:
            if pos < len(string):  # remove this line if you prefer to receive an empty string
                yield string[pos:]
            break

        yield string[pos:match.start()]
        yield match if return_match else match.group(0)
        pos = match.end()