python - 如何将 re.split 中的分隔符保留在返回列表的同一索引上

Question

当使用re.split()时我知道如何在分割结果中保留分隔符，是使用 ()捕获组。

但我有一个问题，这是我的正则表达式 (<br>*\s*[a-z]+)这是字符串

Attribute Information:</b><br>Listing of attributes:<br>&gt;50K, <br>age: continuous.<br>workclass: Private, Self-emp-not-inc, Self-emp-inc, Federal-gov, Local-gov, State-gov, Without-pay, Never-worked.<br>fnlwgt: continuous.

split返回的结果为

[u'<br>age', u': continuous.\r', u'<br>workclass', u': Private, Self-emp-not-inc, Self-emp-inc, Federal-gov, Local-gov, State-gov, Without-pay, Never-worked.\r', u'<br>fnlwgt',   u': continuous.\r']

意味着这两个都在不同的索引上 [u'<br>age', u': continuous.\r']

我希望它们位于相同的索引 [u'<br>age: continuous.\r' 上

编辑

实际上我正在抓取这部分 来自此网址http://archive.ics.uci.edu/ml/datasets/Adult 我想得到 age: continuous.和fnlwgt: continuous.所有这些都在列表内的单独元素中

Answer 1

您似乎想在 <br> 上进行拆分后跟 0 个以上空格和 1 个以上字母或连字符。

您需要将模式的一部分转变为非消耗子模式，积极的前瞻:

r'<br>(?=\s*[A-Za-z-]+:)'
      ^^^^^^^^^^^^^^^^^

请参阅regex demo

一个(?=\s*[a-zA-Z-]+:) ，是zero-width assertion ，不消耗(=将文本放入匹配中) <br> 之后的子字符串满足 \s*[a-z-]+:模式，但要求它出现在那里。