Séparation de chaînes dans le format requis, façon Pythonic? (Avec ou w/o Regex)

Question

J'ai une chaîne dans le format suivant:

t='@abc @def Hello this part is text' 

Je veux obtenir ceci:

l=["abc", "def"] 
s='Hello this part is text' 

Je l'ai fait:

a=t[t.find(' ',t.rfind('@')):].strip() 
s=t[:t.find(' ',t.rfind('@'))].strip() 
b=a.split('@') 
l=[i.strip() for i in b][1:] 

Il fonctionne pour la plupart, mais il échoue lorsque la partie de texte a le '@'. Par exemple, lorsque:

t='@abc @def My email is red@hjk.com' 

échoue. Les @names sont là au début et il peut y avoir du texte après @names, qui peut éventuellement contenir @.

Il est clair que je peux ajouter initialement un espace et trouver le premier mot sans '@'. Mais cela ne semble pas une solution élégante.

Qu'est-ce qu'une façon pythonique de résoudre ce problème?

Answer 1

bâtiment sans vergogne sur l'effort de MrTopf:

import re 
rx = re.compile("((?:@\w+ +)+)(.*)") 
t='@abc @def @xyz Hello this part is text and my email is foo@ba.r' 
a,s = rx.match(t).groups() 
l = re.split('[@ ]+',a)[1:-1] 
print l 
print s 

impressions:

[ 'abc', 'def', 'xyz']
Bonjour cette partie est du texte et mon email est foo @ba.r

---

justement appelé à rendre des comptes hasen j, permettez-moi de préciser comment cela fonctionne:

/@\w+ +/ 

correspond à une seule étiquette - @ suivi d'au moins un alphanumérique ou _ suivi d'au moins un caractère de l'espace. + est gourmand, donc s'il y a plus d'un espace, il les attrape tous.

Pour correspondre à n'importe quel nombre de ces étiquettes, nous devons ajouter un plus (une ou plusieurs choses) au modèle pour le tag; donc nous devons groupe avec parenthèses:

/(@\w+ +)+/ 

qui correspond à l'une ou plusieurs étiquettes-et, étant avide, correspond à tous. Cependant, ces parenthèses tripoter maintenant autour de nos groupes de capture, donc nous défont qu'en les faisant dans un groupe anonyme:

/(?:@\w+ +)+/ 

Enfin, nous faisons cela dans un groupe de capture et ajouter un autre pour balayer le reste:

/((?:@\w+ +)+)(.*)/ 

Une dernière rupture pour résumer:

((?:@\w+ +)+)(.*) 
(?:@\w+ +)+ 
( @\w+ +) 
    @\w+ + 

---

Notez que dans Revie aile cela, je l'ai amélioré - \ w n'a pas besoin d'être dans un ensemble, et il permet maintenant plusieurs espaces entre les balises. Merci, hasen-j!

Answer 2

[i.strip('@') for i in t.split(' ', 2)[:2]]  # for a fixed number of @def 
a = [i.strip('@') for i in t.split(' ') if i.startswith('@')] 
s = ' '.join(i for i in t.split(' ') if not i.startwith('@')) 

Answer 3

Vous pouvez également utiliser des expressions régulières:

import re 
rx = re.compile("@([\w]+) @([\w]+) (.*)") 
t='@abc @def Hello this part is text and my email is foo@ba.r' 
a,b,s = rx.match(t).groups() 

Mais tout cela dépend de la façon dont vos données peuvent ressembler. Donc vous devrez peut-être l'ajuster. Ce qu'il fait est en train de créer un groupe via() et de vérifier ce qui est autorisé en eux.

Answer 4

Que diriez-vous ceci:

1. Fractionnement par l'espace.

2. pour chaque mot, vérifier

   2.1. si le mot commence par @ alors Pousser vers la première liste

   2.2. sinon, il suffit de joindre les mots restants par des espaces.

Answer 5

[modifier: ce met en œuvre ce qui est suggéré par Oussama ci-dessus]

Cela va créer L en fonction des variables @ depuis le début de la chaîne, puis une fois par var non @ est trouvé, il suffit de saisir le reste de la chaîne.

t = '@one @two @three some text afterward with @ symbols@ meow@meow' 

words = t.split(' ')   # split into list of words based on spaces 
L = [] 
s = '' 
for i in range(len(words)): # go through each word 
    word = words[i] 
    if word[0] == '@':  # grab @'s from beginning of string 
     L.append(word[1:]) 
     continue 
    s = ' '.join(words[i:]) # put spaces back in 
    break     # you can ignore the rest of the words 

Vous pouvez refactoriser ceci pour être moins de code, mais j'essaye de rendre évident ce qui se passe.

Answer 6

t='@abc @def Hello this part is text' 

words = t.split(' ') 

names = [] 
while words: 
    w = words.pop(0) 
    if w.startswith('@'): 
     names.append(w[1:]) 
    else: 
     break 

text = ' '.join(words) 

print names 
print text 

Answer 7

est ici juste une autre variante qui utilise split() et pas regexpes:

t='@abc @def My email is red@hjk.com' 
tags = [] 
words = iter(t.split()) 

# iterate over words until first non-tag word 
for w in words: 
    if not w.startswith("@"): 
    # join this word and all the following 
    s = w + " " + (" ".join(words)) 
    break 
    tags.append(w[1:]) 
else: 
    s = "" # handle string with only tags 

print tags, s 

est ici plus courte, mais peut-être une version un peu cryptique qui utilise une expression rationnelle pour trouver le premier espace suivi d'un non @ caractère:

import re 
t = '@abc @def My email is red@hjk.com @extra bye' 
m = re.search(r"\s([^@].*)$", t) 
tags = [tag[1:] for tag in t[:m.start()].split()] 
s = m.group(1) 
print tags, s # ['abc', 'def'] My email is red@hjk.com @extra bye 

Ceci ne fonctionne pas correctement s'il n'y a pas de balise ou pas de texte. Le format est sous-spécifié. Vous devrez fournir plus de cas de test à valider.