Python拆分 ':'字符前的单词但不拆分时间结构

Question

我正在尝试使用正则表达式在 : 字符之前拆分 单词。

但是，我不想拆分时间结构，比如 15:46:00。

我拥有的所有信息都在 for 循环中，并且来自抓取 pdf 文件。

所以，使用这段代码:

for item in result:
    for key in keyHeaders:
        if key in item.encode('utf-8'):
            item = item.replace(key, '')
    if ':' in item:
        item = item.replace(':', ':\n')

输出:

15:
46:
00
State:
NY
Phone:
x-xxx-xxx

使用正则表达式或非正则表达式我如何拆分特定的单词而不是由:字符连接的数字。

我试过了，但没有任何反应。事实上，它不会拆分任何东西。

for item in result:
    for key in keyHeaders:
        if key in item.encode('utf-8'):
            item = item.replace(key, '')
    lines = re.compile(r'(?<!\\d\\d):(?!\\d\\d)') # expect split words before ':'
    if item == re.findall(lines, item):
        item = item.replace(':', ':\n')

输出:

15:46:00
State:NY
Phone:x-xxx-xxx

感谢您的支持!

Answer 1

您的代码有两个问题。首先，您使用了一个原始字符串，然后仍然将“\\d”上的反斜杠加倍，将其更改为“\d”。另一个问题是您将整个项目与 re.findall 返回的值进行比较。如果您的正则表达式是正确的，re.findall 将只为非日期的项目返回一个“:”，因此您应该与“:”进行比较，或者只返回任何内容。

对于相对简单的匹配而言，您的正则表达式也过于复杂。我会使用类似的东西:

if not re.findall(r'\d\d:\d\d:\d\d', item):
    item = item.replace(':', ':\n')

使用 re.sub 或 re.split 完成整个工作可能还有更简单的方法，但这应该可以帮助您克服当前的障碍。