用分隔符和条件拆分字符串

Question

我试图拆分由whitespace, +, =定界的化学反应的一般字符串，其中可能有任意数量的空格。这是一般情况，但我也需要它在()内发现+时，有条件地在括号字符()上分割。

例如：

reaction= 'C5H6 + O = NC4H5 + CO + H' 

应拆分，使得结果是

 splitresult=['C5H6','O','NC4H5','CO','H'] 

此情况下，使用时filter(None,re.split('[\s+=]',reaction))似乎简单。但现在有条件分裂。一些反应将有一个(+M)，我也想分开，只留下M。在这种情况下，总会有一个+M括号

内部。例如：

reaction='C5H5 + H (+M)= C5H6 (+M)' 
    splitresult=['C5H5','H','M','C5H6','M'] 

然而，会有一些情况下，括号不会分隔符。在这些情况下，不会有+M，但其他的东西并不重要。

例如：

reaction='C5H5 + HO2 = C5H5O(2,4) + OH' 
    splitresult=['C5H5','HO2','C5H5O(2,4)','OH'] 

我最好的猜测是使用负前瞻和回顾后，以匹配+M，但我不知道如何把到这一点我上面使用了简单的情况下，正则表达式表达。我的直觉是使用类似filter(None,re.split('[(?<=M)\)\((?=\+)=+\s]',reaction))。任何帮助深表感谢。

Answer 1

你可以使用re.findall（）代替：

re.findall（图案，字符串标志= 0） 返回图案的所有非重叠 匹配字符串中，作为一个字符串列表。该字符串是从左到右扫描的 ，匹配按找到的顺序返回。如果 模式中存在一个或多个组，则返回 组的列表;如果该模式具有多个 组，则这将是元组列表。除非他们触及另一场比赛的开始 ，否则结果中会包含空符。

则：

import re 
reaction0= 'C5H6 + O = NC4H5 + CO + H' 
reaction1='C5H5 + H (+M)= C5H6 (+M)' 
reaction2='C5H5 + HO2 = C5H5O(2,4) + OH' 
re.findall('[A-Z0-9]+(?:\([1-9],[1-9]\))?',reaction0) 
re.findall('[A-Z0-9]+(?:\([1-9],[1-9]\))?',reaction1) 
re.findall('[A-Z0-9]+(?:\([1-9],[1-9]\))?',reaction2) 

但是，如果你喜欢re.split（）和滤波器（），则：

import re 
reaction0= 'C5H6 + O = NC4H5 + CO + H' 
reaction1='C5H5 + H (+M)= C5H6 (+M)' 
reaction2='C5H5 + HO2 = C5H5O(2,4) + OH' 
filter(None , re.split('(?<!,[1-9])[\s+=()]+(?![1-9,])',reaction0)) 
filter(None , re.split('(?<!,[1-9])[\s+=()]+(?![1-9,])',reaction1)) 
filter(None , re.split('(?<!,[1-9])[\s+=()]+(?![1-9,])',reaction2)) 

---

模式为findall是从不同的模式拆分, 因为findall和拆分正在寻找不同的东西; '相反的东西'的确如此。

findall，正在寻找你想要的（保持它）。

拆分，正在寻找你不想（摆脱它）。

在findall，'[A-Z0-9] +（？:(（1-9），[1-9]））？' 匹配任何大写或数>[A-Z0-9]， 一次或多次>+，后续由一对数字，在中间一逗号，内括号的>\（[1-9]，[1-9] \） （字符类以外字面括号，必须用反斜杠转义 '\'），任选>？

\（[1-9]，[1-9] \）是内部（？：），然后， 的？（使其可选）; （），而不是（？：）的作品，但在这种情况下，（？：）更好; （？：）是一个没有捕获组：阅读关于这个。

尝试与在正则表达式拆分

Answer 2

这似乎过于复杂，处理与单个正则表达式分裂字符串。这将会是很容易分开处理的（+ M）的特殊情况：

halfway = re.sub("\(\+M\)", "M", reaction) 
result = filter(None, re.split('[\s+=]', halfway)) 

Answer 3

因此，这里是你正在寻找的正则表达式。

正则表达式：使用((?=\(\+)\()|[\s+=]|((?<=M)\))

标志：

• g全局搜索。或根据您的情况使用它们。

说明：

• ((?=\(\+)\()检查一个(其存在如果(+存在。这涵盖了您的(+M)问题的第一部分。

• ((?<=M)\))检查一个)如果M由)之前，其存在。这涵盖了您的(+M)问题的第二部分。

• [\s+=]检查所有剩余的whitespaces,+和=。这涵盖了问题的最后部分。

注：为digits照顾被()双方positive lookahead和positive lookbehind断言确保封闭。

Check Regex101 demo for working

P.S：让它适合自己，因为我不是一个Python程序员呢。