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
最佳答案
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:
- 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+)+
- 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...
关于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,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17131302/