python - 将作者字符串划分为作者

Question

我正在尝试设计一种巧妙的方法来划分作者字符串，问题是该字符串不仅使用逗号来分隔作者，还使用逗号来分隔他们的名字和姓氏。所以一个例子是:

"LastName1, F.N., LastName2, S.N, Lastname3, T."

我可以使用一些标记化函数将字符串按标记划分，然后再加入它们，但我认为这不是可靠的:

def tokenize(str, token=','):
  return [x for x in re.split(r'\s*%s\s*' % token,str) if x]

def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return itertools.zip_longest(*args, fillvalue=fillvalue)

auth = "LastName1, F.N., LastName2, S.N, Lastname3, T."
tmp1 = tokenize(auth)
tmp2 = grouper(tmp1, 2)
print(["{} {}".format(*i) for i in tmp2]) 

运行这段代码返回:

['LastName1 F.N.', 'LastName2 S.N', 'Lastname3 T.']

是否有更好(更强大)的方法来做到这一点？

Answer 1

这是一个真正简单的分词器，专门为逗号编写的，(所以很清楚它在做什么):

def tokenize(str):
    return re.findall(r'([^,]*,[^,]*),?', str)

它查找字符串、逗号、字符串，带有可选的尾部逗号，返回所有匹配项。