Séparation d'une chaîne avec plusieurs délimiteurs en Python

Question

J'ai trouvé quelques réponses en ligne, mais je n'ai aucune expérience des expressions régulières, ce qui est, je crois, ce dont on a besoin ici.

J'ai une chaîne de caractères qui doit être séparée par un " ;" ou un ",". C'est-à-dire qu'il doit s'agir soit d'un point-virgule, soit d'une virgule suivie d'un espace. Les virgules individuelles sans espace de queue doivent être laissées intactes.

Exemple de chaîne :

"b-staged divinylsiloxane-bis-benzocyclobutene [124221-30-3], mesitylene [000108-67-8]; polymerized 1,2-dihydro-2,2,4- trimethyl quinoline [026780-96-1]"

doit être divisé en une liste contenant les éléments suivants :

('b-staged divinylsiloxane-bis-benzocyclobutene [124221-30-3]' , 'mesitylene [000108-67-8]', 'polymerized 1,2-dihydro-2,2,4- trimethyl quinoline [026780-96-1]')

Answer 1

Heureusement, Python intègre cette fonctionnalité :)

import re
re.split('; |, ',str)

Mise à jour :
Suite à votre commentaire :

>>> a='Beautiful, is; better*than\nugly'
>>> import re
>>> re.split('; |, |\*|\n',a)
['Beautiful', 'is', 'better', 'than', 'ugly']

Answer 2

Faites un str.replace('; ', ', ') et ensuite un str.split(', ')

Answer 3

Voici une méthode sûre pour tout itérable de délimiteurs, en utilisant des expressions régulières :

>>> import re
>>> delimiters = "a", "...", "(c)"
>>> example = "stackoverflow (c) is awesome... isn't it?"
>>> regexPattern = '|'.join(map(re.escape, delimiters))
>>> regexPattern
'a|\\.\\.\\.|\\(c\\)'
>>> re.split(regexPattern, example)
['st', 'ckoverflow ', ' is ', 'wesome', " isn't it?"]

re.escape permet de construire le motif automatiquement et d'avoir les délimiteurs échappés de façon agréable.

Voici cette solution sous forme de fonction pour votre plaisir de copier-coller :

def split(delimiters, string, maxsplit=0):
    import re
    regexPattern = '|'.join(map(re.escape, delimiters))
    return re.split(regexPattern, string, maxsplit)

Si vous avez l'intention d'effectuer des séparations fréquentes en utilisant les mêmes délimiteurs, compilez votre expression régulière au préalable comme décrit et utilisez RegexObject.split .

---

Si vous souhaitez laisser les délimiteurs d'origine dans la chaîne de caractères, vous pouvez modifier la regex pour qu'elle utilise un filtre de type assertion de regard derrière soi à la place :

>>> import re
>>> delimiters = "a", "...", "(c)"
>>> example = "stackoverflow (c) is awesome... isn't it?"
>>> regexPattern = '|'.join('(?<={})'.format(re.escape(delim)) for delim in delimiters)
>>> regexPattern
'(?<=a)|(?<=\\.\\.\\.)|(?<=\\(c\\))'
>>> re.split(regexPattern, example)
['sta', 'ckoverflow (c)', ' is a', 'wesome...', " isn't it?"]

(remplacer ?<= con ?= pour attacher les délimiteurs au côté droit, au lieu de gauche)

Answer 4

En réponse à la réponse de Jonathan ci-dessus, cela ne semble fonctionner que pour certains délimiteurs. Par exemple :

>>> a='Beautiful, is; better*than\nugly'
>>> import re
>>> re.split('; |, |\*|\n',a)
['Beautiful', 'is', 'better', 'than', 'ugly']

>>> b='1999-05-03 10:37:00'
>>> re.split('- :', b)
['1999-05-03 10:37:00']

En mettant les délimiteurs entre crochets, cela semble fonctionner plus efficacement.

>>> re.split('[- :]', b)
['1999', '05', '03', '10', '37', '00']

Answer 5

Voici à quoi ressemblent les regex :

import re
# "semicolon or (a comma followed by a space)"
pattern = re.compile(r";|, ")

# "(semicolon or a comma) followed by a space"
pattern = re.compile(r"[;,] ")

print pattern.split(text)