我试图使用逗号作为单独的字符从关键字字符串中拆分每个关键字,但化学名称也用逗号命名,如何识别化学名称而不分隔名称?
这是一些例子:
keywords_string1 = "Forecasting,GM(1,1),Background value"
#expected result1 : [ "Forecasting", "GM(1,1)", "Background value" ]
keywords_string2 = "(3E)-4, 8-Dimethyl-1, 3, 7-nonatriene, ultrasonic sprayer"
#expected result2 : [ "(3E)-4, 8-Dimethyl-1, 3, 7-nonatriene", "ultrasonic sprayer" ]
请您参考如下方法:
如果我们可以确定没有任何名称以数字结尾(据我所知,是这种情况(?)),您可以拆分前面没有逗号(及其最终周围的空格)一个数字。
使用正则表达式来做到这一点,我们可以这样做:
import re
def split_on_commas(s):
split_pattern = re.compile('(?<=\D) *, *')
return split_pattern.split(s)
这会在您的测试用例上给出预期的结果:
keywords_string1 = "Forecasting,GM(1,1),Background value"
#expected result1 : [ "Forecasting", "GM(1,1)", "Background value" ]
print(split_on_commas(keywords_string1))
# ['Forecasting', 'GM(1,1)', 'Background value']
keywords_string2 = "(3E)-4, 8-Dimethyl-1, 3, 7-nonatriene, ultrasonic sprayer"
#expected result2 : [ "(3E)-4, 8-Dimethyl-1, 3, 7-nonatriene", "ultrasonic sprayer" ]
print(split_on_commas(keywords_string2))
#['(3E)-4, 8-Dimethyl-1, 3, 7-nonatriene', 'ultrasonic sprayer']
请注意,我们必须使用积极的回顾断言 (?<=\D)对于正则表达式中的非数字,这样非数字字符就不会被捕获为拆分模式的一部分。
