遇到另一个字母表时拆分

Question

假设我有一个字符串：

欧珑 无极乌龙 Atelier Cologne Oolang Infini, 2010

如何将其拆分为两个字符串数组？['欧珑 无极乌龙','Atelier Cologne Oolang Infini, 2010']

我试过了：

names = re.split(r'([a-zA-Z]+)', names)

但它给了我们：

names:  ['欧珑 无极乌龙 ', 'Atelier', ' ', 'Cologne', ' ', 'Oolang', ' ', 'Infini', ', 2010']

Answer 1

一个快速简单的正则表达式，用于区分拉丁和非拉丁部分(regex101 )。

(?i)[^a-z\d]+|[_a-z\d\W]+

与re.findall (tio.run )一起使用。正则表达式可以很好地自我解释和匹配

• 可以是[^a-z\d]+ one or more characters，可以是not拉丁字母，也可以是digits
• ，或者[_a-z\d\W]+一个或多个，可以是_拉丁语字母、数字或数字

它很快，但是你需要从结果中去掉空格。否则它会变得更复杂：)要在结果中区分拉丁语和非拉丁语，你可以使用finditer groups (tio.run )。

import re

text = '欧珑 无极乌龙 Atelier Cologne Oolang Infini, 2010 乌龙乌 foo$'
pattern = '(?i)([^a-z\d]+)|([_a-z\d\W]+)'

for m in re.finditer(pattern, text):
  if(m.group(1)):
    print("non-latin:\t'" + m.group(1).strip() + "'")
  if(m.group(2)):
    print("latin:\t\t'" + m.group(2).strip() + "'")