Question

我正在尝试处理一些推文，我试图将推文中的某些术语拆分如下：

word : DailyRX 
final_word : Daily R X

word : AdeleOfficial
final_word : Adele Official

word : HMV 
final_word : H M V

word : EPPGroup 
final_word : E P P Group

word : BBCBreaking 
final_word : B B C Breaking

word : BBCNews 
final_word : B B C News

编辑 -

使用@ user2486495的解决方案，我能够获得我想要的输出，如上所述。这是解决方案：

newlist = [a for a in re.split(r'([A-Z][a-z]*)', word) if a]
replacement=""
for term in listnew:
    replacement+=term+" "
tweet = tweet.replace(word,replacement)

现在我正在尝试一种方法来执行以下操作 -

理想情况下，我希望“BBCBreaking”分手为“BBC Breaking”，但我想不出办法做到这一点。所以我首先用如上所述的大写字符将其分解，然后我试图找到用空格分隔的所有首字母缩略词（即“B B C”）并将它们组合成一个没有空格的单词（即“BBC”）。有没有办法使用正则表达式？

编辑2 -

使用@ Hugh的答案解决了下面的问题，这也解决了数字，例如： “Oscars2013” - ＆gt; “奥斯卡2013”

Answer 1

怎么样

import re

splitter = re.compile('[A-Z]+(?![a-z])|[A-Z]?[a-z]+|[^A-Za-z \t\r\n]+').findall
fix_tweet = lambda t: ' '.join(splitter(t))

然后

fix_tweet('AdeleOfficial')    # -> 'Adele Official'
fix_tweet('EPPGroup')         # -> 'EPP Group'

正则表达式的解释：匹配

[A-Z]+(?![a-z])一个或多个大写字母，后面跟不是小写字母
[A-Z]?[a-z]+ 0或1个大写字母后跟一个或多个小写字母
[^A-Za-z \t\r\n]+一个或多个非alpha，非空白字符

Answer 2

方法split（）返回字符串中所有单词的列表，使用str作为分隔符（如果未指定则拆分所有空格），可选择将分割数限制为num。

str.split(str=" ", num=string.count(str))

<强>参数

str - 这是任何分隔符，默认情况下是空格。

num - 这是要行的行数。

返回值

此方法返回行列表。

例如

[a for a in re.split(r'([A-Z][a-z]*)', 'MgSO4') if a]

<强>输出

['Mg', u'S', u'O', u'4']

Answer 3

使用此模式"\B[A-Z]"并替换为" $0" Demo

在Python中查找和组合首字母缩略词

3 个答案: