正则表达式+python挑战！争论数据那是阿尔莫斯特雷古

Question

我很抱歉把这个贴出来，但是我已经花了很多时间来写这个，但是没有成功。因此，正则表达式+Python的一个挑战是：

我处理的数据大多是有规律的格式。公司列表组合成一个字符串

`Company Inc,Company, LLC,Company` 

没有引号来描述条目。使用上述常规示例，我可以：

^{pr2}$

不幸的是，有些字符串的格式不规则，如：

`IBP, Inc,Tyson Foods,Inc.`

其中,Inc与{}之间没有空格分隔。所以，使用r',\b'，我得到了：

>>> re.split(r',\b', 'IBP, Inc,Tyson Foods,Inc.')
['IBP, Inc', 'Tyson Foods', 'Inc.']

我想要这个：

['IBP, Inc', 'Tyson Foods,Inc.']

在这种情况下你会怎么做？在

Answer 1

把Mike M的回答换成稍微不同的术语，如果你能建立一个可靠的非相关令牌列表，比如'Inc'、'Inc'和'LLC'，那么你就有了一种解析的方法。即使这样，您可能也不会得到像split（）这样的自动方法来为您工作。你可能得自己动手了。在

Answer 2

如果知道的话，您可以将分割预防字符串添加到否定的lookahead中

r',\b(?!Inc\.)'

Answer 3

我会在逗号上进行第一次拆分，以获得以下列表：

['IBP', 'Inc', 'Tyson Foods', 'Inc.']

然后对数据进行第二次传递，在这些数据中，极不可能的公司名称（如“Inc”、“Inc.”、“LLC”、“GmbH”等）与列表中的前一项相结合：

^{pr2}$

如果以后发现数据中有“Farmers Group，The”之类的条目，并将文章放在正确的位置，则此方法还可以让您进行更复杂的操作。在