Python regex: dzielenie na wzór meczu, który jest ciągiem pustym

Question

Dzięki modułowi re wydaje się, że nie jestem w stanie podzielić na mecze wzorców, które są puste ciągi:

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

Innymi słowy, nawet jeśli dopasowanie zostanie znalezione, jeśli jest to pusty ciąg, nawet re.split nie może podzielić ciągu znaków.

The docs for re.split wydaje się wspierać moje wyniki.

A „obejście” było dość łatwe do znalezienia w tym konkretnym przypadku:

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

Ale jest to sposób podatne na błędy to zrobić, bo wtedy mam uważać na ciągi, które już zawierają podciąg że jestem podział na:

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

Czy istnieje lepszy sposób podzielić na pusty meczu wzór z modułem re? Ponadto, dlaczego re.split nie pozwala mi to zrobić w pierwszej kolejności? Wiem, że jest to możliwe z innymi algorytmami podziału, które działają z regex; na przykład mogę to zrobić za pomocą wbudowanego JavaScriptu String.prototype.split().

Answer 1

Szkoda, że ​​split wymaga niezerowej szerokość mecz, ale to nie było jeszcze ustalona, ​​ponieważ sporo niepoprawny kod zależy od aktualnego zachowania za pomocą na przykład [something]* jako regex. Zastosowanie takich wzorów będzie teraz generować FutureWarning a te, które nigdy można podzielić coś, rzucić ValueError z Pythonem 3.5 roku:

>>> 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. 

Pomysł jest, że po pewnym okresie ostrzeżeń, zachowanie może być zmienione aby Twój regularny wyraz zadziałał ponownie.

---

Jeśli nie można użyć modułu regex, można napisać własną funkcję podziału za pomocą 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')) 

Jeżeli jesteś pewien, że mecze są tylko zerowej szerokości, można użyć początki podziałów dla łatwiejszego kodu:

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) 

Możesz użyć tutaj modułu regex.

lub

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

Zastosowanie re.findall.

See demo