如果我有绳子
'x+13.5*10x-4e1'
如何将其拆分为以下令牌列表?
['x', '+', '13', '.', '5', '*', '10', 'x', '-', '4', 'e', '1']
目前我正在使用shlex模块:
str = 'x+13.5*10x-4e1'
lexer = shlex.shlex(str)
tokenList = []
for token in lexer:
tokenList.append(str(token))
return tokenList
但这又回来了:
['x', '+', '13', '.', '5', '*', '10x', '-', '4e1']
所以我想把字母和数字分开。我正在考虑将包含字母和数字的字符串以某种方式拆分,但不确定如何执行此操作,也不知道如何在之后将它们与其他字符串一起重新添加到列表中。重要的是标记要保持有序,我不能有嵌套列表。
在一个理想的世界里,e和e不会以同样的方式被认作字母,所以
'-4e1'
会变成
['-', '4e1']
但是
'-4x1'
会变成
['-', '4', 'x', '1']
有人能帮忙吗?
使用正则表达式模块的
split()
函数,在'\d+'
——数字(数字字符)和'\W+'
——非字字符:代码:
输出:
如果不想分隔点(作为表达式中的浮点数),则应使用以下命令:
[\d.]+
——数字或点字符(尽管这允许您写:13.5.5
)代码:
输出:
嗯,问题似乎不太简单。我认为,获得健壮(但不幸的是,不是很短)解决方案的一个好方法是使用Python Lex-Yacc创建一个全权值标记器。Lex Yacc是一种常见的(不仅是Python)实践,因此可以有现成的语法来创建一个简单的算术标记器(like this one),您只需根据您的特定需要来调整它们。
这里不建议的另一种选择是使用nltk.tokenize模块
相关问题 更多 >
编程相关推荐