"分割 string 前的 "Mr." 或 "Mrs."

Question

我有一个包含如下字符串的文件：

"TextMr. XxxxxMrs. YyyyyMrs. ZzzzzTextWordLady ZzzzzMr. Xxxxx"

现在，我想用Python将其拆分为：

^{pr2}$

目前我使用的是：

test2 = re.sub( r"([A-Z])", r" \1", data).split()

这给了我：

['Text', 'Mr.', 'Xxxxx', 'Mrs.', 'Yyyyy', 'Mrs.', 'Zzzzz', 'Text', 'Word', 'Lady', 'Zzzzz', 'Mr.', 'Xxxxx']

我知道这可能很简单，我也读过所有关于regex和titles的帖子，但似乎没有人有同样的问题。如果有人能给我指出正确的方向，告诉我哪里做错了（有一次，我花了一个小时盯着一个代码片段，结果发现我只是忘了一个*），因为我很想理解regex。在

Answer 1

(.+?)(?=Mr\.|Mrs\.|$|(?<! )[A-Z])

试试看这个。看到了吗演示。抓住抓捕。在

https://regex101.com/r/sJ9gM7/59#python

^{pr2}$

Answer 2

我建议您创建一个列表，列出所有可能的标题，这些标题可以先按名称排序：

>>> titles = "Mr\. Mrs\. Lady Sir".split()
['Mr\\.', 'Mrs\\.', 'Lady', 'Sir']

然后，您可以使用它们为这些标题创建regex，后跟一个空格。在

^{pr2}$

然后用这些标题加上一个单词来找出所有的名字和单词。在

>>> re.findall(title_opt + "[A-Z][a-z]+", text)
['Text', 'Mr. Xxxxx', 'Mrs. Yyyyy', 'Mrs. Zzzzz', 'Text', 'Word', 'Lady Zzzzz', 'Mr. Xxxxx']

---

或者，根据您自己的方法，一旦您有了名称、单词和标题的列表，就可以使用迭代器将标题与迭代器中的next单词连接起来。在

>>> names = ['Text', 'Mr.', 'Xxxxx', 'Mrs.', 'Yyyyy', 'Mrs.', 'Zzzzz', 'Text', 'Word', 'Lady', 'Zzzzz', 'Mr.', 'Xxxxx']
>>> titles = set("Mr. Mrs. Lady Sir".split())
>>> iterator = iter(names)
>>> [s if s not in titles else s + " " + next(iterator) for s in iterator]
['Text', 'Mr. Xxxxx', 'Mrs. Yyyyy', 'Mrs. Zzzzz', 'Text', 'Word', 'Lady Zzzzz', 'Mr. Xxxxx']