如何拆分句子中与文本混合的整数、浮点数并整理为规范字符串

原有方案问题说明 #

你使用的正则\d*\.*\d+\.*\d*存在多重点号匹配缺陷，可能识别到1.2.3这类无效数字格式，同时拆分后没有将数字片段和文本片段按原有顺序穿插合并，因此无法得到预期结果。

解决思路 #

• 先修正数字匹配正则，可准确匹配包含省略整数位（如.5）、多前导零（如00.5）在内的合法整数、浮点数
• 拆分字符串得到所有非数字片段，同时提取所有数字片段
• 将两类片段按原有顺序交叉合并，过滤空字符串后用空格拼接即可

可运行代码示例 #

import re
from itertools import zip_longest

str1 = "test1.25nb 5test .5NB 00.5my_test 5unit 5.6"
# 匹配合法整数/浮点数的正则
num_pattern = r'\d*\.\d+|\d+'
# 拆分得到所有非数字片段
text_parts = re.split(num_pattern, str1)
# 提取所有数字片段
num_parts = re.findall(num_pattern, str1)
# 交叉合并两类片段，过滤空串后拼接为最终结果
result = ' '.join(
    [part for pair in zip_longest(text_parts, num_parts, fillvalue='') 
     for part in pair if part.strip()]
)
print(result)

输出结果 #

test 1.25 nb 5 test .5 NB 00.5 my_test 5 unit 5.6

内容的提问来源于stack exchange，提问作者Droid-Bird