python - 尝试根据大小写将一个字符串解析为两个单独的字符串

Question

我目前正在开发一个 python 机器人，它从 HTML 页面上的元 block 中检索信息。我得到了元 block 的内容，但现在我一直在尝试将其解析为两个不同的字符串。

内容示例如下:

Lowercase Words WITH UPPERCASE CONTAINING 2 AND ALSO ', AND MANY MORE CHARACTERS

到目前为止我有:

lowercase = ' '.join(w for w in content.split() if (not w.isupper()) and (not w.isdigit()))
uppercase = ' '.join(w for w in content.split() if (w.isupper() or w.isdigit()))

其中大写字符串意味着包含不是单词“Lowercase”或“Words”的所有内容

对于这类问题，我找不到太多帮助，想知道是否有人知道一个技巧或解决方法？谢谢

Answer 1

为什么不使用 regular expressions :

import re

s = "Lowercase Words WITH UPPERCASE CONTAINING 2 AND ALSO ', AND MANY MORE CHARACTERS"
match = re.match(r"(([^\s]*[a-z]+[^\s]*\s+)+)([^a-z]+)", s)
if match:
    lowercase = match.group(1)
    uppercase = match.group(3)

这将匹配以任意数量的单词开头的单行字符串，其中每个单词必须至少包含一个小写字母 (a-z)。请注意，驼峰式大小写也被识别为小写字符串(例如 "LowerCase")。然后第二部分将匹配字符串的其余部分，该字符串不得包含任何小写字母。

现在让我们尝试理解正则表达式:

1. 我们想要匹配小写单词，所以我们写:[a-z]+
   但这只会匹配完全由小写字母组成的单词 - 我们想要如果单词包含至少一个 小写字符，则也允许其他字符并将单词作为小写匹配。 [^\s] 将匹配任何不是空格(单词边界)的字符。我们像这样组合两种模式:[^\s]*[a-z]+[^\s]*。
   这匹配任意数量的非空白字符(甚至零)，后跟小写字符，然后再次跟任何非空白字符序列。所以这基本上意味着，我们匹配任何不包含空格和至少一个小写字母的序列。
   现在我们创建一个这样的单词序列，由空格分隔:([^\s ]*[a-z]+[^\s]*\s+)+
2. 匹配大写部分非常简单，因为我们只需要匹配不是小写字符的所有内容(包括空格):[^a-z]+

为了通过组匹配两种模式，我们再次将它们括在大括号中:
小写:(([^\s]*[a-z]+[^\s]*\s+)+)
大写:([^a-z]+)

也许您需要进一步调整模式以满足您的需要，但我相信这应该是一个很好的起点...