如何按不同分隔符拆分枚举文本？修复Python函数缺陷

需求说明 #

需要拆分包含多种分隔符的枚举类文本，支持的分隔符类型包括：

• 数字加括号/圆点：如1)、2.
• 连字符：如-
• 项目符号：如•

示例输入与期望输出：

• 输入："1. 下单 2. 登记订单 3. 撰写结论"
  期望输出：["1. 下单", "2. 登记订单", "3. 撰写结论"]
• 输入："- 下单 office-home - 登记订单 - 撰写结论"
  期望输出：["下单 office-home", "登记订单", "撰写结论"]

原函数问题 #

原函数直接将-作为全局分隔符，会错误拆分文本内部的连字符（如office-home中的-），导致结果不符合预期。

原函数代码：

import re

def split_text(text):
    # 定义不同分隔符的正则模式
    patterns = [
        r'\d+\)|\d+\.',
        r'-',
        r'•',
    ]

    # 合并为单个正则表达式
    pattern = '|'.join(patterns)

    # 按模式拆分文本
    parts = re.split(pattern, text)

    # 移除空内容
    parts = [part.strip() for part in parts if part.strip()]

    return parts

修正方案 #

核心思路是仅匹配作为枚举项起始标记的分隔符，而非所有同类符号：

• 数字类分隔符（1)、2.）：直接匹配即可，这类符号不会出现在文本中间
• 连字符-和项目符号•：仅匹配前面是文本开头、空白或标点，且后面跟着空白的情况

版本1：保留枚举前缀（如1.、-） #

import re

def split_text(text):
    # 匹配完整枚举项的正则：覆盖数字前缀、-前缀、•前缀的情况
    pattern = r'(?:\d+[).]\s+.+?|- \s+.+?|• \s+.+?)(?=\s*(?:\d+[).]|-|•)\s+|$)'
    # 提取所有匹配项并清理空白
    parts = [match.strip() for match in re.findall(pattern, text) if match.strip()]
    return parts

测试结果：

• 输入"1. it is necessary to place an order 2. to enter it in the register 3. to write a conclusion"
  输出：["1. it is necessary to place an order", "2. to enter it in the register", "3. to write a conclusion"]
• 输入"- it is necessary to place an order office-home - enter it in the register - write a conclusion"
  输出：["- it is necessary to place an order office-home", "- enter it in the register", "- write a conclusion"]

版本2：移除-和•前缀，保留数字前缀 #

如果不需要-和•前缀，可在提取后额外处理：

import re

def split_text(text):
    pattern = r'(?:\d+[).]\s+.+?|- \s+.+?|• \s+.+?)(?=\s*(?:\d+[).]|-|•)\s+|$)'
    raw_parts = [match.strip() for match in re.findall(pattern, text) if match.strip()]
    
    processed_parts = []
    for part in raw_parts:
        # 移除开头的"- "或"• "，保留数字前缀
        if part.startswith(('- ', '• ')):
            processed_parts.append(part[2:].strip())
        else:
            processed_parts.append(part)
    return processed_parts

测试结果：

• 输入"- it is necessary to place an order office-home - enter it in the register - write a conclusion"
  输出：["it is necessary to place an order office-home", "enter it in the register", "write a conclusion"]

内容的提问来源于stack exchange，提问作者user12314164