python:在带有正则表达式的字符串中的单词之间插入逗号分隔符

Question

我在表格中有一列类似于下图。

<表类="s-表"><头>标签<正文>大面积海洋岛屿交 key 收入潜力大洋岛季节性内地地段Lake IslandSeasonalTurn KeyIncome Potential

我需要拆分表中的字符串，使其看起来像这样

<表类="s-表"><头>标签<正文>大面积，海洋岛屿，交 key ，收入潜力海洋岛,季节性,大陆地段湖岛,季节性,交 key ,收入潜力

我想像 re.sub(r'([a-z][A-Z])', ',', <string>) 这样的正则表达式命令可以工作，但该代码导致

'Large Acreag,cean Islan,urn Ke,ncome Potential'

有什么建议吗？

Answer 1

在表达式中使用两个捕获组并在替换中使用两个反向引用:

re.sub(r'([a-z])([A-Z])', r'\1,\2', <string>)

如果在 Pandas 中:

df['tags'] = df['tags'].str.replace(r'([a-z])([A-Z])', r'\1,\2', regex=True)

参见 regex proof .

解释

--------------------------------------------------------------------------------
  (                        group and capture to \1:
--------------------------------------------------------------------------------
    [a-z]                    any character of: 'a' to 'z'
--------------------------------------------------------------------------------
  )                        end of \1
--------------------------------------------------------------------------------
  (                        group and capture to \2:
--------------------------------------------------------------------------------
    [A-Z]                    any character of: 'A' to 'Z'
--------------------------------------------------------------------------------
  )                        end of \2