如何使用带占位符的正则表达式分割字符串并保留分隔符？

需求说明 #

将字符串 txt = "MCMXLIII" 分割为目标列表：['M', 'CM', 'XL', 'III']

已尝试的三种正则方法（均不符合预期） #

方法一 #

import re

txt = "MCMXLIII"

print(re.sub('(CM)|(XL)', '❤️{0}❤️|❤️{1}❤️', txt).format("CM", "XL").split('❤️'))

输出：['M', 'CM', '|', 'XL', '', 'CM', '|', 'XL', 'III']

方法二 #

import re

txt = "MCMXLIII"

print(re.sub('(CM)|(XL)', '(❤️{0}❤️|❤️{1}❤️)', txt).format("CM", "XL").split('❤️'))

输出：['M(', 'CM', '|', 'XL', ')(', 'CM', '|', 'XL', ')III']

方法三 #

import re

txt = "MCMXLIII"

print(re.sub('(XL)', '❤️{0}❤️', (re.sub('(CM)', '❤️{0}❤️', txt).format("CM"))).format("XL").split('❤️'))

输出：['M', 'CM', '', 'XL', 'III']

Google Sheets实现方案 #

通过公式可实现正确分割：

=SPLIT(
IF(
REGEXMATCH(A1,"(CM)|(XL)"),REGEXREPLACE(A1, "(CM)|(XL)","❤️$0❤️")), "❤️")

该公式输出结果符合预期，将字符串拆分为['M', 'CM', 'XL', 'III']。

Python正确实现方案 #

方案1：使用re.findall直接匹配罗马数字单元 #

利用正则表达式优先匹配双字符的特殊罗马数字组合（如CM、XL），再匹配连续的单个字符序列，直接提取所有有效单元：

import re

txt = "MCMXLIII"
# 正则表达式：优先匹配特殊双字符组合，再匹配连续的单个罗马数字字符（最多3个，符合罗马数字规则）
pattern = r'(CM|CD|XC|XL|IX|IV|M{1,3}|D|C{1,3}|L|X{1,3}|V|I{1,3})'
result = re.findall(pattern, txt)
print(result)  # 输出: ['M', 'CM', 'XL', 'III']

方案2：模仿Google Sheets的替换-分割思路 #

先将目标单元用分隔符包裹，再分割并过滤空值：

import re

txt = "MCMXLIII"
# 用分隔符❤️包裹所有罗马数字单元
processed = re.sub(r'(CM|XL|[MDCLXVI]+)', r'❤️\1❤️', txt)
# 分割后过滤空字符串
result = [item for item in processed.split('❤️') if item]
print(result)  # 输出: ['M', 'CM', 'XL', 'III']

内容的提问来源于stack exchange，提问作者Lod