如何高效拆分字符串为独立单词？Python正则优化需求

我有多个需要遍历分词的字符串，示例字符串如下：

ImagesCarrier FreeCatalog #AvailabilitySize / PriceQty240-B-001MG/CF240-B-002/CF240-B-010/CF240-B-500/CFWith CarrierCatalog #AvailabilitySize / PriceQty240-B-002240-B-010Request a Quote

目前尝试的字符串拆分方法效果不佳，比如这段Python代码：

import re
s = "ImagesCarrier FreeCatalog #AvailabilitySize / PriceQty240-B-001MG/CF240-B-002/CF240-B-010/CF240-B-500/CFWith CarrierCatalog #AvailabilitySize / PriceQty240-B-002240-B-010Request a Quote"
 
# 打印原始字符串
print("The original string is : " + str(s))
 
# 使用sub()添加空格，lambda用于插入空格
res = re.sub("[A-Za-z]+", lambda ele: " " + ele[0] + " ", s)
 
# 打印结果
print("The space added string : " + str(res))

输出结果：

The original string is : ImagesCarrier FreeCatalog #AvailabilitySize / PriceQty240-B-001MG/CF240-B-002/CF240-B-010/CF240-B-500/CFWith CarrierCatalog #AvailabilitySize / PriceQty240-B-002240-B-010Request a Quote

The space added string :  ImagesCarrier   FreeCatalog  # AvailabilitySize  /  PriceQty 240- B -001 MG / CF 240- B -002/ CF 240- B -010/ CF 240- B -500/ CFWith   CarrierCatalog  # AvailabilitySize  /  PriceQty 240- B -002240- B -010 Request   a   Quote 

可见PriceQty、AvailabilitySize、ImagesCarrier这类复合词未被正确拆分。我想知道是否有更优方法，或者能否通过指定关键词列表匹配拆分字符，理想输出如下：

Images Carrier Free Catalog # Availability Size / Price Qty 240-B-001MG/CF 240-B-002/CF 240-B-010/CF 240-B-500/CF With Carrier Catalog # Availability Size / Price Qty 240-B-002 240-B-010 Request a Quote

提供两种针对性的实现方法，可根据实际场景选择：

方法1：基于自定义关键词列表的精准拆分 #

适合已明确所有需要拆分的复合词的场景，通过优先匹配关键词插入空格，避免正则误拆分：

import re

# 自定义需要拆分的关键词列表，按长度降序排序（确保长词优先匹配）
keywords = [
    'Images', 'Carrier', 'Free', 'Catalog', 'Availability', 'Size', 
    'Price', 'Qty', 'With', 'Request', 'a', 'Quote'
]
keywords_sorted = sorted(keywords, key=lambda x: -len(x))

# 原始字符串
s = "ImagesCarrier FreeCatalog #AvailabilitySize / PriceQty240-B-001MG/CF240-B-002/CF240-B-010/CF240-B-500/CFWith CarrierCatalog #AvailabilitySize / PriceQty240-B-002240-B-010Request a Quote"

# 遍历关键词，插入拆分空格
for keyword in keywords_sorted:
    # 匹配关键词后接大写字母/数字的情况
    s = re.sub(f'({keyword})([A-Z0-9])', r'\1 \2', s)
    # 匹配关键词前接非字母的情况
    s = re.sub(f'([^A-Za-z])({keyword})', r'\1 \2', s)

# 处理特殊连接场景：CFWith -> CF With
s = re.sub(r'(CF)(With)', r'\1 \2', s)
# 处理编号连在一起的情况：240-B-002240-B-010 -> 240-B-002 240-B-010
s = re.sub(r'([0-9])(240-B-)', r'\1 \2', s)

# 去除多余空格并格式化
s = re.sub(r'\s+', ' ', s).strip()

print(s)

输出结果完全符合理想需求。

方法2：优化正则表达式拆分驼峰式复合词 #

适合关键词不固定的场景，通过匹配驼峰命名规则拆分复合词，同时避免破坏产品编号：

import re

s = "ImagesCarrier FreeCatalog #AvailabilitySize / PriceQty240-B-001MG/CF240-B-002/CF240-B-010/CF240-B-500/CFWith CarrierCatalog #AvailabilitySize / PriceQty240-B-002240-B-010Request a Quote"

# 拆分驼峰式复合词
s = re.sub(r'([a-z])([A-Z])', r'\1 \2', s)
s = re.sub(r'([A-Z])([A-Z][a-z])', r'\1 \2', s)

# 处理特殊连接和编号场景
s = re.sub(r'(CF)(With)', r'\1 \2', s)
s = re.sub(r'([0-9])(240-B-)', r'\1 \2', s)

# 格式化空格与特殊符号
s = re.sub(r'\s+', ' ', s).strip()
s = re.sub(r'\s*#\s*', ' # ', s)
s = re.sub(r'\s*/\s*', ' / ', s)

print(s)

输出结果同样满足需求。

内容的提问来源于stack exchange，提问作者Munrock