Python regex: suddivisione in corrispondenza modello che è una stringa vuota

Question

Con il modulo re, sembra che non sono in grado di dividere su partite di pattern che sono stringhe vuote:

>>> re.split(r'(?<!foo)(?=bar)', 'foobarbarbazbar') 
['foobarbarbazbar'] 

In altre parole, anche se un si trova la corrispondenza, se è la stringa vuota, anche re.split non può dividere la stringa.

Il docs for re.split sembra supportare i miei risultati.

A "soluzione" è stato abbastanza facile da trovare per questo caso particolare:

>>> re.sub(r'(?<!foo)(?=bar)', 'qux', 'foobarbarbazbar').split('qux') 
['foobar', 'barbaz', 'bar'] 

Ma questo è un modo soggetto ad errori di farlo perché poi devo diffidare di stringhe che già contengono la stringa che sto fessurazioni sulle:

>>> re.sub(r'(?<!foo)(?=bar)', 'qux', 'foobarbarquxbar').split('qux') 
['foobar', 'bar', '', 'bar'] 

c'è un modo migliore per dividere a una corrispondenza pattern vuoto con il modulo re? Inoltre, perché re.split non mi consente di farlo in primo luogo? So che è possibile con altri algoritmi split che funzionano con regex; ad esempio, sono in grado di farlo con il codice JavaScript incorporato String.prototype.split().

Answer 1

È spiacevole che il split richiede un match non larghezza zero, ma non è stato ancora a fisso, in quanto piuttosto un codice non corretto lotto dipende dal comportamento corrente utilizzando per esempio [something]* come la regex. L'uso di tali modelli sarà ora genererà un FutureWarning e quelli che mai può dividere nulla, lanciare una ValueError da Python 3.5 in poi:

>>> re.split(r'(?<!foo)(?=bar)', 'foobarbarbazbar') 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "/usr/lib/python3.6/re.py", line 212, in split 
    return _compile(pattern, flags).split(string, maxsplit) 
ValueError: split() requires a non-empty pattern match. 

L'idea è che dopo un certo periodo di avvertimenti, il comportamento può essere modificato in modo che la tua espressione regolare funzionasse di nuovo.

---

Se non è possibile utilizzare il modulo regex, è possibile scrivere il proprio funzione split con re.finditer():

def megasplit(pattern, string): 
    splits = list((m.start(), m.end()) for m in re.finditer(pattern, string)) 
    starts = [0] + [i[1] for i in splits] 
    ends = [i[0] for i in splits] + [len(string)] 
    return [string[start:end] for start, end in zip(starts, ends)] 

print(megasplit(r'(?<!foo)(?=bar)', 'foobarbarbazbar')) 
print(megasplit(r'o', 'foobarbarbazbar')) 

Se si è certi che le partite sono solo larghezza zero, è possibile utilizzare l'inizio delle suddivisioni per codice più semplice:

import re 

def zerowidthsplit(pattern, string): 
    splits = list(m.start() for m in re.finditer(pattern, string)) 
    starts = [0] + splits 
    ends = splits + [ len(string) ] 
    return [string[start:end] for start, end in zip(starts, ends)] 

print(zerowidthsplit(r'(?<!foo)(?=bar)', 'foobarbarbazbar')) 

Answer 2

import regex 
x="bazbarbarfoobar" 
print regex.split(r"(?<!baz)(?=bar)",x,flags=regex.VERSION1) 

Qui è possibile utilizzare il modulo regex.

o

(.+?(?<!foo))(?=bar|$)|(.+?foo)$ 

Usa re.findall.

See demo