web-dev-qa-db-fra.com

Fractionner une chaîne en lettres majuscules

Quelle est la façon Pythonic de diviser une chaîne avant les occurrences d'un ensemble de caractères donné?

Par exemple, je souhaite diviser 'TheLongAndWindingRoad' à chaque occurrence d'une lettre majuscule (éventuellement à l'exception de la première), et obtenez ['The', 'Long', 'And', 'Winding', 'Road'].

Modifier: il doit également diviser les occurrences simples, c'est-à-dire de 'ABC' J'aimerais obtenir ['A', 'B', 'C'].

pythonregexstring
74
Federico A. Ramponi

Malheureusement, il n'est pas possible de partager sur une correspondance de largeur nulle en Python. Mais vous pouvez utiliser re.findall au lieu:

>>> import re
>>> re.findall('[A-Z][^A-Z]*', 'TheLongAndWindingRoad')
['The', 'Long', 'And', 'Winding', 'Road']
>>> re.findall('[A-Z][^A-Z]*', 'ABC')
['A', 'B', 'C']
112
Mark Byers

Voici une solution regex alternative. Le problème peut être reformulé comme "comment insérer un espace avant chaque lettre majuscule, avant de faire le fractionnement":

>>> s = "TheLongAndWindingRoad ABC A123B45"
>>> re.sub( r"([A-Z])", r" \1", s).split()
['The', 'Long', 'And', 'Winding', 'Road', 'A', 'B', 'C', 'A123', 'B45']

Cela a l'avantage de conserver tous les caractères non blancs, ce que la plupart des autres solutions ne font pas.

24
Dave Kirby
>>> import re
>>> re.findall('[A-Z][a-z]*', 'TheLongAndWindingRoad')
['The', 'Long', 'And', 'Winding', 'Road']

>>> re.findall('[A-Z][a-z]*', 'SplitAString')
['Split', 'A', 'String']

>>> re.findall('[A-Z][a-z]*', 'ABC')
['A', 'B', 'C']

Si tu veux "It'sATest" pour diviser en ["It's", 'A', 'Test'] changez le rexeg en "[A-Z][a-z']*"

17
John La Rooy

Une variation sur la solution de @ChristopheD

s = 'TheLongAndWindingRoad'

pos = [i for i,e in enumerate(s+'A') if e.isupper()]
parts = [s[pos[j]:pos[j+1]] for j in xrange(len(pos)-1)]

print parts
6
pwdyson
import re
filter(None, re.split("([A-Z][^A-Z]*)", "TheLongAndWindingRoad"))

ou

[s for s in re.split("([A-Z][^A-Z]*)", "TheLongAndWindingRoad") if s]
4
Gabe
src = 'TheLongAndWindingRoad'
glue = ' '

result = ''.join(glue + x if x.isupper() else x for x in src).strip(glue).split(glue)
3
user3726655

Solution alternative (si vous n'aimez pas les expressions rationnelles explicites):

s = 'TheLongAndWindingRoad'

pos = [i for i,e in enumerate(s) if e.isupper()]

parts = []
for j in xrange(len(pos)):
    try:
        parts.append(s[pos[j]:pos[j+1]])
    except IndexError:
        parts.append(s[pos[j]:])

print parts
2
ChristopheD

Cela est possible avec more_itertools.split_before outil.

import more_itertools as mit


iterable = "TheLongAndWindingRoad"
[ "".join(i) for i in mit.split_before(iterable, pred=lambda s: s.isupper())]
# ['The', 'Long', 'And', 'Winding', 'Road']

Il doit également fractionner les occurrences simples, c'est-à-dire de 'ABC' J'aimerais obtenir ['A', 'B', 'C'].

iterable = "ABC"
[ "".join(i) for i in mit.split_before(iterable, pred=lambda s: s.isupper())]
# ['A', 'B', 'C']

more_itertools est un paquet tiers avec plus de 60 outils utiles, y compris des implémentations pour tous les originaux recettes itertools , ce qui évite leur implémentation manuelle.

1
pylang

Un autre sans regex et la possibilité de garder des majuscules contiguës si vous le souhaitez

def split_on_uppercase(s, keep_contiguous=False):
    """

    Args:
        s (str): string
        keep_contiguous (bool): flag to indicate we want to 
                                keep contiguous uppercase chars together

    Returns:

    """

    string_length = len(s)
    is_lower_around = (lambda: s[i-1].islower() or 
                       string_length > (i + 1) and s[i + 1].islower())

    start = 0
    parts = []
    for i in range(1, string_length):
        if s[i].isupper() and (not keep_contiguous or is_lower_around()):
            parts.append(s[start: i])
            start = i
    parts.append(s[start:])

    return parts

>>> split_on_uppercase('theLongWindingRoad')
['the', 'Long', 'Winding', 'Road']
>>> split_on_uppercase('TheLongWindingRoad')
['The', 'Long', 'Winding', 'Road']
>>> split_on_uppercase('TheLongWINDINGRoadT', True)
['The', 'Long', 'WINDING', 'Road', 'T']
>>> split_on_uppercase('ABC')
['A', 'B', 'C']
>>> split_on_uppercase('ABCD', True)
['ABCD']
>>> split_on_uppercase('')
['']
>>> split_on_uppercase('hello world')
['hello world']
1
Totoro

Partager ce qui m'est venu à l'esprit lorsque j'ai lu le post. Différent des autres postes.

strs = 'TheLongAndWindingRoad'

# grab index of uppercase letters in strs
start_idx = [i for i,j in enumerate(strs) if j.isupper()]

# create empty list
strs_list = []

# initiate counter
cnt = 1

for pos in start_idx:
    start_pos = pos

    # use counter to grab next positional element and overlook IndexeError
    try:
        end_pos = start_idx[cnt]
    except IndexError:
        continue

    # append to empty list
    strs_list.append(strs[start_pos:end_pos])

    cnt += 1
0
Do L.

Utilisez une anticipation:

Dans Python 3.7, vous pouvez le faire:

re.split('(?=[A-Z])', 'theLongAndWindingRoad')

Et cela donne:

['the', 'Long', 'And', 'Winding', 'Road']
0
Endlisnis

Une autre façon d'utiliser enumerate et isupper()

Code:

strs = 'TheLongAndWindingRoad'
ind =0
count =0
new_lst=[]
for index, val in enumerate(strs[1:],1):
    if val.isupper():
        new_lst.append(strs[ind:index])
        ind=index
if ind<len(strs):
    new_lst.append(strs[ind:])
print new_lst

Sortie:

['The', 'Long', 'And', 'Winding', 'Road']
0
The6thSense

Une manière alternative sans utiliser regex ou énumérer:

Word = 'TheLongAndWindingRoad'
list = [x for x in Word]

for char in list:
    if char != list[0] and char.isupper():
        list[list.index(char)] = ' ' + char

fin_list = ''.join(list).split(' ')

Je pense que c'est plus clair et plus simple sans enchaîner trop de méthodes ou utiliser une longue liste de compréhension qui peut être difficile à lire.

0
Pie 'Oh' Pah