使用堆叠正则表达式拆分实体重新分割在python中

Question

我很难将连续的字符串分成更合理的部分：

例如，“MarieMüller”应该变成“Marie Müller”

到目前为止，我使用了这个方法，如果没有特殊字符出现：

' '.join([a for a in re.split(ur'([A-Z][a-z]+)', ''.join(entity)) if a])

此输出用于“TinaTurner”->；“Tina Turner”，但不起作用 对于“MarieMüller”，它输出：“MarieMüller”->；“Marie M\utf8 ller”

现在我使用regex来accros\p{L}：

^{pr2}$

但这会产生一些奇怪的东西，比如： “JenniferLawrence”—>；“Jennifer L awrence”

谁能帮帮我吗？在

Answer 1

如果您使用Unicode并需要使用Unicode类别，则应该考虑使用PyPi regex module。在这里，您可以支持所有Unicode类别：

^{1}$

在这里，(?<=\p{Ll})(?=\p{Lu})正则表达式查找小写（\p{Ll}）和大写（\p{Lu}）字母之间的所有位置，然后regex.sub在那里插入一个空格。注意，如果模式是Unicode字符串（u-前缀），regex模块会自动编译带有regex.UNICODE标志的正则表达式。在

Answer 2

它对扩展字符无效

您可以使用re.sub()进行此操作。会简单得多

^{1}$

用于处理空间

^{pr2}$

处理连续大写字母案件

print re.sub(r'(?<=[a-z])(?=[A-Z])', ' ', '   TinaTXYurner'.strip())

Ideone Demo

正则表达式分解

(?= #Lookahead to find all the position of capital letters
 (?!^) #Ignore the first capital letter for substitution
 [A-Z]
)

Answer 3

使用由Python的字符串操作而不是正则表达式构造的函数，应该可以：

^{1}$