如何在Python中拆分带有多个单词分隔符的字符串？

Question

我想要一种使用单词列表作为分隔符来拆分字符串列表的有效方法。输出是另一个字符串列表。

我在一行中尝试了多个.split，但没有成功，因为第一个.split返回一个列表，而随后的.split需要一个字符串。

以下是输入：

words = ["hello my name is jolloopp", "my jolloopp name is hello"]
splitters = ['my', 'is']

我希望输出是

final_list = ["hello ", " name ", " jolloopp", " jolloopp name ", " hello"]

注意空格。

也可以拥有像这样的东西

draft_list = [["hello ", " name ", " jolloopp"], [" jolloopp name ", " hello"]]

可以使用类似于numpy reshape(-1,1)的方法将其展平以获得final_list，但理想的情况是

ideal_list = ["hello", "name", "jolloopp", "jolloopp name", "hello"]

其中的空格已被剥离，这类似于使用.strip()。

编辑1：

如果单词分隔符是其他单词的一部分，则使用re.split不能完全正常工作。

words = ["hellois my name is myjolloopp", "my isjolloopp name is myhello"]
splitters = ['my', 'is']

那么输出结果将是

['hello', '', 'name', '', 'jolloopp', '', 'jolloopp name', '', 'hello']

它应该在什么时候

['hellois', 'name', 'myjolloopp', 'isjolloopp name', 'myhello']

这是使用re.split的解决方案的已知问题。

编辑2：

[x.strip() for x in re.split(' | '.join(splitters), ''.join(words))]

当输入为

words = ["hello world", "hello my name is jolloopp", "my jolloopp name is hello"]

输出结果为

['hello worldhello', 'name', 'jolloopp', 'jolloopp name', 'hello']

当输出应该是

['hello world', 'hello', 'name', 'jolloopp', 'jolloopp name', 'hello']

Answer 1

你可以像这样使用re，

使用@pault建议的更好的方式更新，使用单词边界\b而不是:space:，

>>> import re
>>> words = ['hello world', 'hello my name is jolloopp', 'my jolloopp name is hello']

# Iterate over the list of words and then use the `re` to split the strings,
>>> [z for y in (re.split('|'.join(r'\b{}\b'.format(x) for x in splitters), word) for word in words) for z in y]
['hello world', 'hello ', ' name ', ' jolloopp', '', ' jolloopp name ', ' hello']