遇到其他字母表时拆分

Question

假设我有一个字符串：

欧珑 无极乌龙 Atelier Cologne Oolang Infini, 2010

如何将其拆分为两个字符串的数组['欧珑 无极乌龙','Atelier Cologne Oolang Infini, 2010']

我试过：

names = re.split(r'([a-zA-Z]+)', names)

但它给出了：

names:  ['欧珑 无极乌龙 ', 'Atelier', ' ', 'Cologne', ' ', 'Oolang', ' ', 'Infini', ', 2010']

Answer 1

一个快速简单的正则表达式，用于区分拉丁和非拉丁部分（regex101 demo）

(?i)[^a-z\d]+|[_a-z\d\W]+

与re.findall（tio.run demo）一起使用。正则表达式是非常自我解释和匹配的

• [^a-z\d]+{a3}字符，即not拉丁字母或数字
• 或[_a-z\d\W]+一个或多个，即_拉丁字母、数字或非word-characters

虽然速度很快，但您需要从结果中删除空白。否则它会变得更复杂：）要区分拉丁语/非拉丁语，可以在结果中使用^{}和groups（tio.run demo）

import re

text = '欧珑 无极乌龙 Atelier Cologne Oolang Infini, 2010 乌龙乌 foo$'
pattern = '(?i)([^a-z\d]+)|([_a-z\d\W]+)'

for m in re.finditer(pattern, text):
  if(m.group(1)):
    print("non-latin:\t'" + m.group(1).strip() + "'")
  if(m.group(2)):
    print("latin:\t\t'" + m.group(2).strip() + "'")