在Python中，在大写字母前插入空格的一种Pythonic方法

Question

我有一个文件，正在通过Python脚本修改其格式。在这个文件中，我有几个驼峰式字符串，我只想在大写字母前插入一个空格，例如"WordWordWord"变为"Word Word Word"。

我的正则表达式经验有限，无法解决这个问题 - 请问有没有人能够想到一个合适的正则表达式来实现这个目标？或者（更好的情况下）是否有我所错过的更Pythonic的解决方法？

- Electrons_Ahoy

Answer 1

您可以尝试：

>>> re.sub(r"(\w)([A-Z])", r"\1 \2", "WordWordWord")
'Word Word Word'

- Greg Hewgill

---

re.sub(r"(\w)([A-Z])", r"\1 \2", "SorryIThinkYouMissedASpot") - tzot

作为一个小的改进，应该使用[[:upper:]]而不是[A-Z]。 - Tomalak

@Tomalak，Python不支持[[:upper:]]。它是一个POSIX字符类表达式（POSIX bracket expression）的一部分。 - Markus Jarderot

对于像我这样的人，请确保你 - 导入 re。 - blobbymatt

Answer 2

如果有连续的大写字母，那么格雷格的结果可能不是你要找的，因为 \w 会消耗掉要替换的大写字母前面的字符。

>>> re.sub(r"(\w)([A-Z])", r"\1 \2", "WordWordWWWWWWWord")
'Word Word WW WW WW Word'

一个向后查找可以解决这个问题：

>>> re.sub(r"(?<=\w)([A-Z])", r" \1", "WordWordWWWWWWWord")
'Word Word W W W W W W Word'

- user27030

---

丹的答案更好，更简单 :) - hayalci

@hayalci: re.sub('([A-Z])', r' \1', 'Really?')@hayalci：re.sub('([A-Z])', r' \1', '真的吗？') - tzot

Answer 3

请看我在.NET中如何将使用大写字母分隔的字符串拆分为数组问题上的回答。

编辑: 或许将它包含在此处会更好。

re.sub(r'([a-z](?=[A-Z])|[A-Z](?=[A-Z][a-z]))', r'\1 ', text)

例如：

"SimpleHTTPServer" => ["Simple", "HTTP", "Server"]

- MizardX

---

你的回答可能是 Electrons_Ahoy 真正想要的；然而，根据他们问题的措辞，似乎不是这样。 - tzot

但感谢您分享这个答案，这是一个很棒的回答！ - Fight Fire With Fire

太棒了！正是我在寻找的东西。 - Scott Siddall

Answer 4

也许你对不使用正则表达式的一行代码实现感兴趣：

''.join(' ' + char if char.isupper() else char.strip() for char in text).strip()

- Yaroslav Surzhikov

---

优雅的回答... 非常感谢 - karthikeyan

Answer 5

可能更短：

>>> re.sub(r"\B([A-Z])", r" \1", "DoIThinkThisIsABetterAnswer?")

- ΤΖΩΤΖΙΟΥ

---

对于任何想知道的人，\B表示“非单词边界”。因此，在已经有空格的地方不会插入空格。 - ArtOfWarfare

Answer 6

使用正则表达式，您可以做到这一点：

re.sub('([A-Z])', r' \1', str)

当然，这只适用于ASCII字符，如果你想处理Unicode字符，那就是一个全新的挑战了 :-)

- Dan

---

re.sub('([A-Z])', r' \1', "Do we want a space before the D's of this phrase?") - tzot

啊，是的，说得好。看起来你和Leonhard的解决方案都正确地处理了这个问题。 - Dan Lenski

Answer 7

如果你有缩写词，可能不希望它们之间有空格。这个两阶段的正则表达式将保持缩写词完整（并且还会将标点符号和其他非大写字母视为需要添加空格的内容）：

re_outer = re.compile(r'([^A-Z ])([A-Z])')
re_inner = re.compile(r'(?<!^)([A-Z])([^A-Z])')
re_outer.sub(r'\1 \2', re_inner.sub(r' \1\2', 'DaveIsAFKRightNow!Cool'))

输出结果将是：'Dave Is AFK Right Now! Cool'。

- David Underhill

Answer 8

我同意正则表达式的解决方案是最简单的，但我不认为它是最具Python风格的。

那么怎么样：

text = 'WordWordWord'
new_text = ''

for i, letter in enumerate(text):
    if i and letter.isupper():
        new_text += ' '

    new_text += letter

- monkut

---

这和丹的问题一样 - 即使不需要，在大写字母之前也会得到额外的空格。 - Brian

没错，我已经编辑过了，加了一个标志... 我承认这有点繁琐，但可能比正则表达式更容易记住。 - monkut

Answer 9

回到旧的线程 - 想尝试一种选项来满足我的需求。当然，re.sub() 是很酷的解决方案，但如果不应该导入 re 模块，也有一个一行代码的解决方案。

st = 'ThisIsTextStringToSplitWithSpace'
print(''.join([' '+ s if s.isupper()  else s for s in st]).lstrip())

- Srini

Answer 10

我认为正则表达式是解决这个问题的方法，但为了提供一个纯Python版本，避免（希望如此）ΤΖΩΤΖΙΟΥ指出的任何问题：

def splitCaps(s):
    result = []
    for ch, next in window(s+" ", 2):
        result.append(ch)
        if next.isupper() and not ch.isspace():
            result.append(' ')
    return ''.join(result)

window() 是我用来操作滑动窗口的实用函数，其定义如下：

import collections, itertools

def window(it, winsize, step=1):
    it=iter(it)  # Ensure we have an iterator
    l=collections.deque(itertools.islice(it, winsize))
    while 1:  # Continue till StopIteration gets raised.
        yield tuple(l)
        for i in range(step):
            l.append(it.next())
            l.popleft()

- Brian