python - 如何将字符串拆分为标记？

Question

如果我有一个字符串

'x+13.5*10x-4e1'

我如何将其拆分为以下 token 列表？

['x', '+', '13', '.', '5', '*', '10', 'x', '-', '4', 'e', '1']

目前我正在使用 shlex 模块:

str = 'x+13.5*10x-4e1'
lexer = shlex.shlex(str)
tokenList = []
for token in lexer:
    tokenList.append(str(token))
return tokenList

但这会返回:

['x', '+', '13', '.', '5', '*', '10x', '-', '4e1']

所以我试图将字母与数字分开。我正在考虑采用同时包含字母和数字的字符串，然后以某种方式拆分它们，但不确定如何执行此操作或之后如何将它们全部添加回列表中。 token 保持有序很重要，我不能有嵌套列表。

在理想世界中，e 和 E 不会以相同的方式被识别为字母，所以

'-4e1'

会变成

['-', '4e1']

但是

'-4x1'

会变成

['-', '4', 'x', '1']

有人可以帮忙吗？

Answer 1

使用正则表达式模块的split()函数，分割在

• '\d+' -- 数字(数字字符)和
• '\W+' -- 非单词字符:

代码:

import re

print([i for i in re.split(r'(\d+|\W+)', 'x+13.5*10x-4e1') if i])

输出:

['x', '+', '13', '.', '5', '*', '10', 'x', '-', '4', 'e', '1']

如果您不想分隔点(作为表达式中的 float )，那么您应该使用:

• [\d.]+ -- 数字或点字符(尽管这允许您编写:13.5.5

代码:

print([i for i in re.split(r'([\d.]+|\W+)', 'x+13.5*10x-4e1') if i])

输出:

['x', '+', '13.5', '*', '10', 'x', '-', '4', 'e', '1']