python - 如何在python中分离混合词（波斯语和英语）

Question

嗨，我有一个字符串数据集，有些字符串有混合词，如下所示：

    سلام12World
    دوربینdigital
    سال2012good

...我想要的输出是：

   12 سلام world
   دوربین digital
   2012 سال good

这是我的代码：

 def spliteKeyWord(str):
     regex = r"[\u200b-\u200c]|[0-9]+|[a-zA-Z]+\'*[a-z]*"
     matches = re.findall(regex, str, re.UNICODE)
     return matches

但是这段代码没有显示我想要的输出。是否有可能获得类似的输出？

标签： pythonnlp

Answer 1

您可以使用re.findall交替模式：

def spliteKeyWord(s):
    return re.findall(r'[\dA-Za-z]+|[^\dA-Za-z\W]+', s, re.UNICODE)