结果的re.split和分隔符

Question

如何在re.split结果中包含分隔符？

例如，我有一个文本

Bla bla lbaa dsad asd as. Asd qe as!  ASDadf asd! Dsss dwq. Dkmef? 

RegExr

re.split('\s*([\.!\?]+)\s*', data)

并且re.split返回这个

['Bla bla lbaa dsad asd as', '.', 'Asd qe as', '!', 'ASDadf asd', '!', 'Dsss dwq', '.', 'Dkmef', '?', '']

虽然我想要这个

['Bla bla lbaa dsad asd as.', 'Asd qe as!', 'ASDadf asd!', 'Dsss dwq.']

我怎么才能在没有钉子的情况下做到呢？

谢谢

Answer 1

您可以尝试按前面有标点符号的空格进行拆分：

In [9]: re.split(r'(?<=[\.!\?])\s+', data)
Out[9]:
['Bla bla lbaa dsad asd as.',
 'Asd qe as!',
 ' ASDadf asd!',
 'Dsss dwq.',
 'Dkmef?']

来自documentation for the re module的解释

(?<=...)

如果字符串中的当前位置前面是在当前位置结束的...匹配，则匹配。这被称为正向回溯断言。(?<=abc)def将在abcdef中找到匹配项，因为lookbehind将备份3个字符，并检查包含的模式是否匹配。所包含的模式只能与固定长度的字符串匹配，这意味着允许使用abc或a|b，但不允许使用a*和a{3,4}。