Python正则表达式拆分但将正则表达式匹配的结尾部分放回字符串中？

Question

我想找到一个正则表达式，它可以将段落（长字符串，无需担心换行符）分解成句子，使用的规则是：an of{？, !}句子的结尾应该是一个空格，然后是一个大写字母（我知道这对现实生活来说不是一个好规则）。在

我有一些东西在部分工作，但它不能完全起作用：

line = 'a b c FFF! D a b a a FFF. gegtat FFF. A'
matchObj = re.split(r'(.*?\sFFF[\.|\?|\!])\s[A-Z]', line)
print (matchObj)

印刷品

^{pr2}$

我想得到：

['a b c FFF!', 'D a b a a FFF. gegtat FFF.']

有两个问题。在

• 为什么结果中有空成员（''）？

• 我理解为什么D会从分割结果中去掉-它是第一次搜索的一部分。我怎样才能使我的搜索结构有所不同，这样标点符号后面的大写字母就会被放回去，这样它就可以包含在下一个句子中呢？在这种情况下，如何让D出现在分割结果的第二个元素中？

我知道我可以用某种for循环来完成，只需去掉第一个结果，再加上大写字母，然后再重复一遍，但这似乎不那么像Python。如果regex不是这里的方法，那么还有什么东西可以避免for循环吗？在

谢谢你的建议。在

Answer 1

1. 要解决第一个问题（由split()返回的结果中的空字符串），使用^{}或^{}：

   >>> re.findall(r'(.*?\sFFF[\.|\?|\!])\s[A-Z]', line)
   ['a b c FFF!', ' a b a a FFF. gegtat FFF.']
   

   您在输出中看到空字符串，因为split()应该这样做：使用匹配的组作为分隔符拆分输入字符串。

2. 对于第二个问题（输出中缺少的D），使用lookahead assertion(?=...)：

   ^{pr2}$

   Lookaheads、negative Lookaheads、lookbehinds和negative lookebhinds是四种断言，可以用来表示“只有在group后面/前面加上group时才匹配此组，但不使用字符串”。

3. 仔细阅读您的表达式，您似乎误解了[...]运算符的语法。似乎要匹配.、?和{}中的一个。在

   如果是这样，那么可以将[\.|\?|\!]重写为[.?!]：

   >>> re.findall(r'(.*?\sFFF[.?!])\s(?=[A-Z])', line)
   ['a b c FFF!', 'D a b a a FFF. gegtat FFF.']
   

   [.?!]不仅更紧凑，而且更正确：使用[\.|\?|\!]还匹配了|字符（因此'a b c FFF|'是一个有效的匹配）！