如何在字符串列表中查找模式，将其从字符串中删除，并将其作为列表中的下一个元素插入？

Question

我有一个看起来像这样的字符串列表：

list_strings = ["The", "11:2dog", "is", "2:33", "a22:11", "german", "shepherd.2:2"]

这是我想做的：

1. 对于列表中的每个字符串，我想删除与模式number:number 匹配的数字。此模式将始终位于字符串的开头或结尾。

2. 当模式从字符串中删除时，如果它在末尾，我想将它作为列表的下一个元素插入，如果它在开头，我想作为列表的前一个元素字符串。

所以：

list_strings = ["The", "11:2dog", "is", "2:33", "a22:11", "german", "shepherd.2:2"]

变成：

new_list_strings = ["The", "11:2", "dog", "is", "2:33", "a", "22:11", "german", "shepherd.", "2:2"]

为了找到可能包含该模式的单词，我尝试使用正则表达式：

for index, word in enumerate(list_strings):
    try:
        if re.search(r'\d+:\d+', word).group() != None:
            words_with_pattern.append([index], word)
    except:
        pass

但是，这只查找模式单独的实例，例如“11:21”。一旦我有了一个包含该模式的所有单词的列表，我将不得不从字符串中删除该模式，注意它是在开头还是结尾，并将其插入到列表中的相应索引处。

有什么帮助吗？谢谢！

Answer 1

你可以使用re.split:

import re

list_strings = ["The", "11:2dog", "is", "2:33", "a22:11", "german", "shepherd.2:2"]

out = []

for item in list_strings:
    split = re.split(r'(\d+:\d+)', item)
    out.extend([part for part in split if part])

print(out)
# ['The', '11:2', 'dog', 'is', '2:33', 'a', '22:11', 'german', 'shepherd.', '2:2']

split 将包含字符串和分隔符的部分，因为我们在正则表达式中捕获了它。

如果分隔符位于字符串的末尾/开头，它还包含在分隔符之后/之前的空字符串，因此我们必须在扩展输出之前删除它们。

---

正如@chrisz 在 cmets 中建议的那样，这可以使用列表推导以更紧凑的形式编写：

[j for i in list_strings for j in re.split(r'(\d+:\d+)', i) if j]

Answer 2

此方法使用re.findall 获取字符串中的所有匹配项，然后将结果组合到一个列表中。

正则表达式\d+:\d+|(?:(?!\d+:\d+).)+ 的工作原理如下：

• 匹配以下任意一项
  • \d+:\d+ 匹配一位或多位数字，后跟 :，然后是一位或多位数字
  • (?:(?!\d+:\d+).)+ 这是一个tempered greedy token 匹配任何字符一次或多次，除了\d+:\d+ 匹配的位置。这会强制它在该位置停止匹配，并且 findall 方法会重试以匹配该新位置（现在匹配 \d+:\d+ 模式选项，而不是导致每个字符串有多个匹配项）

方法一

下面的代码比方法2更容易阅读。

See code in use here

import re

ls = ["The", "11:2dog", "is", "2:33", "a22:11", "german", "shepherd.2:2"]
newls = []
for s in ls:
    newls += re.findall(r"\d+:\d+|(?:(?!\d+:\d+).)+", s)
print(newls)

方法二

这使得方法 1 中的代码单行，但更难阅读。用于扁平化列表sum(l,[])的方法取自this answer。

See code in use here

import re

ls = ["The", "11:2dog", "is", "2:33", "a22:11", "german", "shepherd.2:2"]
print(sum([re.findall(r"\d+:\d+|(?:(?!\d+:\d+).)+", s) for s in ls], []))

---

结果

['The', '11:2', 'dog', 'is', '2:33', 'a', '22:11', 'german', 'shepherd.', '2:2']