如何为句子中的每个单词分组？

Question

这可能是个傻问题，不过……

假设你有一句话，比如：

敏捷的棕色狐狸

或者你可能会遇到这样的句子：

敏捷的棕色狐狸跳过了懒狗

简单的正则表达式 (\w*) 可以找到第一个单词 "敏捷的" 并把它放到一个组里。

对于第一句，你可以写 (\w*)\s*(\w*)\s*(\w*)\s*(\w*)\s* 来把每个单词放到自己的组里，但这需要你知道句子里有多少个单词。

有没有办法写一个正则表达式，把任何句子里的每个单词都放到自己的组里呢？如果能像这样写 (?:(\w*)\s*)* 来把每个 (\w*) 都分组，那就太好了，但这样是不行的。

我在用 Python，实际上我的需求比 "敏捷的棕色狐狸" 要复杂一些，所以如果正则表达式能一行搞定那就太棒了，但如果不行，我想最好的办法就是用 re.findall() 或类似的方法来遍历所有匹配项。

谢谢你们的任何建议。

补充：为了完整起见，这里是我的实际用例，以及我如何在你们的帮助下解决它。再次感谢。

>>> s = '1 0 5 test1 5 test2 5 test3 5 test4 5 test5'
>>> s = re.match(r'^\d+\s\d+\s?(.*)', s).group(1)
>>> print s
5 test1 5 test2 5 test3 5 test4 5 test5
>>> list = re.findall(r'\d+\s(\w+)', s)
>>> print list
['test1', 'test2', 'test3', 'test4', 'test5']

Answer 1

为什么要用正则表达式，而不是直接用string.split，因为它们的功能是一样的呢？

>>> "The quick brown fox".split()
['The', 'quick', 'brown', 'fox']

Answer 2

你还可以使用模块re中的findall函数。

import re
>>> re.findall("\w+", "The quick brown fox")
['The', 'quick', 'brown', 'fox']

Answer 3

我觉得这不太可能实现。正则表达式（Regex）会把捕获的内容和括号里的部分对应起来。如果你只列出一个组，比如 '((\w+)\s+){0,99}'，那么它只会不断地把内容捕获到同一个第一组和第二组里，而不会为每次找到的匹配项创建新的组。

你可以使用分割功能，但那只能在一个字符上进行分割，而不能像空格这样的字符类别。

相反，你可以使用 re.split，这个可以根据正则表达式进行分割，并且可以用 '\s' 来匹配任何空白字符。你可能想用 '\s+' 来贪婪地匹配空白字符。

>>> import re
>>> help(re.split)
Help on function split in module re:

split(pattern, string, maxsplit=0)
    Split the source string by the occurrences of the pattern,
    returning a list containing the resulting substrings.

>>> re.split('\s+', 'The   quick brown\t fox')
['The', 'quick', 'brown', 'fox']
>>>