包含多个子字符串的拆分字符串

Question

我有字符串名称

names = ['熟人Muller'，'副总统约翰逊会员彼得森熟人Rose']

我想拆分包含<<的字符串强>以下子字符串中有多个：

substrings = ['副总统'，'会员'，'secclaintance']

更重要的是，我想在上一个之后拆分遵循子字符串的单词的字符

desired_output = ['熟人穆勒'，'副总统约翰逊'，“会员彼得森”，'熟人罗斯博士']

我不知道如何如何在我的代码中实现“多个”条件：

names = ['Acquaintance Muller', 'Vice president Johnson Affiliate Peterson Acquaintance Dr. Rose']
substrings = re.compile(r'Vice\spresident|Affiliate|Acquaintance')
    splitted = []
    for i in names:
        if substrings in i:
            splitted.append([])
        splitted[-1].append(item)

异常：当最后一个字符是一个点（例如Prof。）时，在 second supstring之后分开。

---

更新： 名称比我想象的要复杂，并遵循

1. 已经正确回答的标题般的模式（'副总统约翰逊（Johnson）会员彼得森（Johnson Affiliate Peterson Peterson）熟人Rose'< /code>）
2. 直到遵循第二种字符串模式（'Mister Kelly，AWS'），
3. 直到第三个字符串遵循直到结束为止（'Birker博士，秘书Dews博士，Dews博士，关系秘书小姐雅各布博士，秘书'）

names = ['熟人穆勒' Prt Robertson小姐，FDU'，“凯利先生，AWS”，'伯克（Birker），秘书Dews博士，伯格小姐（Miss Berg），关系秘书秘书，秘书']

有时秘书随后是不同的规格。我不在乎这些字符有时会遵循秘书，直到下一个名字发生。他们可以掉落。当然，'秘书'应像updated_output中一样存储。

我创建了一个 - 希望详尽的列表规格 秘书的内容。这是列表的表示： 规格= [''，''，''，'用于关系'，'for Interior'，“对于环境”]

更新的问题：我如何解释使用规格列表的第三个模式？

updated_output = ['熟人穆勒'，'副总统约翰逊'，“会员彼得森”，'熟人罗斯博士' ，“凯利先生，aws”，博士Birker，国务卿”，博士Dews，成员'，关系秘书伯格小姐，' Jakob，秘书']

Answer 1

您想在这三个标题之一之前以 word boundare 进行拆分，因此您可以查找一个word boundare \ b，然后是正lookahead （？ = ...）对于其中一个标题：

>>> s = 'Vice president Johnson affiliate Peterson acquaintance Dr. Rose'
>>> v = re.split(r"\b(?=Vice president|affiliate|acquaintance)", s, flags=re.I)
    ['', 'Vice president Johnson ', 'affiliate Peterson ', 'acquaintance Dr. Rose']

然后，您可以修剪并丢弃空的结果：

>>> v = [x for i in v if (x := i.strip())]
    ['Vice president Johnson', 'affiliate Peterson', 'acquaintance Dr. Rose']

---

使用输入字符串列表，只需将此处理应用于所有处理：

def get_names(s):
    v = re.split(r"\b(?=Vice president|affiliate|acquaintance)", s, flags=re.I)
    return [x for i in v if (x := i.strip())]


names = ['Acquaintance Muller', 'Vice president Johnson Affiliate Peterson Acquaintance Dr. Rose']

output = []
for n in names:
    output.extend(get_names(n))

它给出：

output = ['Acquaintance Muller',
 'Vice president Johnson',
 'Affiliate Peterson',
 'Acquaintance Dr. Rose']

Answer 2

尝试：

import re

names = [
    "acquaintance Muller",
    "Vice president Johnson affiliate Peterson acquaintance Dr. Rose",
]
substrings = ["Vice president", "affiliate", "acquaintance"]

r = re.compile("|".join(map(re.escape, substrings)))

out = []
for n in names:
    starts = [i.start() for i in r.finditer(n)]

    if not starts:
        out.append(n)
        continue

    if starts[0] != 0:
        starts = [0, *starts]

    starts.append(len(n))
    for a, b in zip(starts, starts[1::]):
        out.append(n[a:b])

print(out)

打印：

['acquaintance Muller', 'Vice president Johnson ', 'affiliate Peterson ', 'acquaintance Dr. Rose']