产品代码像abcd2343，如何按字母和数字分割？

Question

我有一个文本文件，里面有一列产品代码，每一行都是一个产品代码，格式像这样：

abcd2343 abw34324 abc3243-23A

这些代码是由字母、数字和其他字符组成的。

我想要在第一个数字出现的地方把它们分开。

Answer 1

import re

m = re.match(r"(?P<letters>[a-zA-Z]+)(?P<the_rest>.+)$",input)

m.group('letters')
m.group('the_rest')

这段话讲的是一个特殊情况，比如说有个字符串是abc3243-23A，它会把字母部分提取出来，结果是abc，而数字和其他部分会被提取成the_rest，结果是3243-23A。

因为你提到每个字符串都在单独的一行，所以你需要把每一行的内容放到input里去处理。

Answer 2

这个函数也能处理小数和负数。

def separate_number_chars(s):
    res = re.split('([-+]?\d+\.\d+)|([-+]?\d+)', s.strip())
    res_f = [r.strip() for r in res if r is not None and r.strip() != '']
    return res_f

比如说：

utils.separate_number_chars('-12.1grams')
> ['-12.1', 'grams']

Answer 3

import re
s='abcd2343 abw34324 abc3243-23A'
re.split('(\d+)',s)

> ['abcd', '2343', ' abw', '34324', ' abc', '3243', '-', '23', 'A']

或者，如果你想在第一个数字出现的地方进行分割：

re.findall('\d*\D+',s)
> ['abcd', '2343 abw', '34324 abc', '3243-', '23A']

---

• \d+ 匹配一个或多个数字。
• \d*\D+ 匹配零个或多个数字，后面跟着一个或多个非数字。
• \d+|\D+ 匹配一个或多个数字 或者 一个或多个非数字。

想了解更多关于Python正则表达式的语法，可以查看 官方文档。

---

re.split(pat, s) 会用 pat 作为分隔符来分割字符串 s。如果 pat 以括号开头和结尾（这样就形成了一个“捕获组”），那么 re.split 还会返回与 pat 匹配的子字符串。例如，比较一下：

re.split('\d+', s)
> ['abcd', ' abw', ' abc', '-', 'A']   # <-- just the non-matching parts

re.split('(\d+)', s)
> ['abcd', '2343', ' abw', '34324', ' abc', '3243', '-', '23', 'A']  # <-- both the non-matching parts and the captured groups

相比之下，re.findall(pat, s) 只会返回与 pat 匹配的 s 的部分：

re.findall('\d+', s)
> ['2343', '34324', '3243', '23']

因此，如果 s 以数字结尾，你可以使用 re.findall('\d+|\D+', s) 来避免以空字符串结束，而不是使用 re.split('(\d+)', s)：

s='abcd2343 abw34324 abc3243-23A 123'

re.split('(\d+)', s)
> ['abcd', '2343', ' abw', '34324', ' abc', '3243', '-', '23', 'A ', '123', '']

re.findall('\d+|\D+', s)
> ['abcd', '2343', ' abw', '34324', ' abc', '3243', '-', '23', 'A ', '123']