python - 将字符串拆分为字母和标点符号，但正则表达式除外

Question

我正在尝试将字符串分成两部分：字母字符和特殊字符。我想限制转义字符的出现

b.sc.... = ['b.sc.','...'] （只保留“。”内部单词和外部单词一次）

真的？？？？= ['really','????'] （遇到任何其他特殊字符时拆分）

在发布到这里之前，我经历了很多 SO 问题。到目前为止，我已经想出了这个：re.findall(r"[\w+|\-.+\w]+|\W+，文本）`如何进一步进行？

标签： pythonregex

Answer 1

您可以使用

[re.sub(r'([.-])+', r'\1', x) for x in re.findall(r'\w+(?:-+\w+)+|\w+(?:\.+\w+)*\.?|[^\w\s]+', text)]

看到这个正则表达式演示

细节

• \w+(?:-+\w+)+- 一个或多个单词字符后跟一个或多个出现的-和一个或多个单词字符
• |- 或者
• \w+(?:\.+\w+)*\.?- 一个或多个单词字符后跟一个或多个出现的.和一个或多个单词字符，然后是一个可选的点
• |- 或者
• [^\w\s]+- 一个或多个非单词和非空白字符。

该re.sub(r'([.-])+', r'\1', x)部分是一个后处理步骤，用于将一个或多个连续字符.或-字符替换为一次出现。