Separación de cadenas en el formato requerido, manera Pythonic? (Con o w/o expresiones regulares)

Question

tengo una cadena en el formato:

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

quiero conseguir esto:

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

me hizo esto:

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:] 

Se funciona en su mayor parte, pero falla cuando la parte de texto tiene la '@'. Por ejemplo, cuando:

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

falla. Los @ nombres están allí al principio y puede haber texto después de @names, que posiblemente contengan @.

Claramente, puedo agregar un espacio al inicio y encontrar la primera palabra sin '@'. Pero eso no parece una solución elegante.

¿Qué es una forma pitónica de resolver esto?

Answer 1

edificio sin vergüenza en el esfuerzo 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 

impresiones:

[ 'abc', 'def', 'xyz']
Hola esta parte es texto y mi correo electrónico es foo @licenciado en Letras.r

---

Justamente llamado a rendir cuentas por hasen j, quiero aclarar cómo funciona esto:

/@\w+ +/ 

coincide con una sola etiqueta - @ seguido por al menos un alfanumérico o _ seguido por al menos una personaje espacial + es codicioso, por lo que si hay más de un espacio, los agarrará a todos.

Para hacer coincidir cualquier número de estas etiquetas, necesitamos agregar un más (una o más cosas) al patrón para la etiqueta; por lo que necesitamos para agruparlo con los paréntesis:

/(@\w+ +)+/ 

el que empareja uno o más etiquetas-y, de ser codicioso, partidos todos ellos. Sin embargo, esos paréntesis, ahora violín alrededor con nuestros grupos de captura, por lo que deshacer que al convertirlos en un grupo anónimo:

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

Por último, hacemos que en un grupo de captura y añadir otro para barrer el resto:

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

Una última ruptura para resumir:

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

---

Nótese que en revie Al hacerlo, lo he mejorado, no era necesario que estuviera en un conjunto, y ahora permite espacios múltiples entre etiquetas. Gracias, 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

También puede utilizar expresiones regulares:

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() 

Pero todo esto depende de cómo sus datos puedan ser similar. Por lo tanto, es posible que deba ajustarlo. Lo que hace es básicamente crear grupos vía() y verificar lo que está permitido en ellos.

Answer 4

¿Qué tal esto:

1. Dividir por el espacio.

2. palabra foreach, consultar

   2.1. si la palabra comienza con @ y luego presione la primera lista

   2.2. de lo contrario, solo une las palabras restantes por espacios.

Answer 5

[edición: esto está llevando a cabo lo que se sugirió por Osama anterior]

Esto creará L basado en las variables @ desde el principio de la cadena, y luego una vez al no @ var es encontrado, solo agarra el resto de la cuerda.

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 

Usted puede refactorizar esto sea menos código, pero yo estoy tratando de hacer lo que está pasando obvia.

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

Aquí es sólo otra variante que utiliza split() y no hay 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 

He aquí una corta pero tal vez una versión críptica bits que utiliza una expresión regular para encontrar el primer espacio seguido de un no @ character:

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 

Esto no funciona correctamente si no hay etiquetas o no hay texto. El formato no está especificado. Tendrá que proporcionar más casos de prueba para validar.