Python 中的正则表达式问题

Question

我在 python 中有一个函数，其中 returns 是 Natural-Sort/Human 算法的给定键的元组。

参见 fake _human_key。

但我需要这个来更改它以用标准字母字符替换德语变音符号。

长话短说，我想去掉 Ä, Ö, Ü, ß 进行排序。

另外，这种情况应该不考虑。小 d 应该与大写 D...

具有相同的优先级

对于变音符号，我正在使用替换功能，这似乎是一种非常笨拙的方法...:-/ 我没有更好的主意...有什么建议吗？

此外，我无法重写它以摆脱区分大小写...

到目前为止我有：

def _human_key(key):
    key = key.replace("Ä", "A").replace("Ö", "O").replace("Ü", "U")\
          .replace("ä", "a").replace("ö", "o").replace("ü", "u")\
          .replace("ß", "s")
    parts = re.split(r'(\d*\.\d+|\d+)', key)   
    return tuple((e.swapcase() if i % 2 == 0 else float(e))
            for i, e in enumerate(parts))
    return parts

示例：我有值

 Zabel
 Schneider
 anabel
 Arachno
 Öztürk
 de 'Hahn

我要排序；目前这表明：

anabel
de 'Hahn
Arachno
Öztürk
Schneider
Zabel

因为小字a优先处理...

期望：

anabel
Arachno
de 'Hahn   ( <-- because "d" comes after "a")
Öztürk
Schneider

我觉得替换不是解决变音符号问题的正确方法，但找不到更好的解决方案。

Update/Background信息：

我是从外部调用的，来自 class "QSortFilterProxyModel"，我需要这个来根据点击的列对行进行排序。我有一个 QTreeView，它显示数据库中的结果集，其中一列包含德国姓氏，这就是背景。

class HumanProxyModel(QtCore.QSortFilterProxyModel):
    def lessThan(self, source_left, source_right):
        data_left = source_left.data()
        data_right = source_right.data()
        if type(data_left) == type(data_right) == str:            
            return _human_key(data_left) < _human_key(data_right)            
        return super(HumanProxyModel, self).lessThan(source_left, source_right)

Answer 1

有帮助吗？

import locale
locale.setlocale(locale.LC_ALL, "")

lst = ['Zabel', 'Schneider', 'anabel', 'Arachno', 'Öztürk', 'de Hahn']

print(sorted(lst, key=locale.strxfrm))

给我：

['anabel', 'Arachno', 'de Hahn', 'Öztürk', 'Schneider', 'Zabel']

为了更进一步，我一直在：http://code.activestate.com/recipes/576507-sort-strings-containing-german-umlauts-in-correct-/

更新

好吧，如果你想保留你的方法并摆脱变音符号，你可以这样做，有很多更好的方法，但这只是一个开始：

import locale
locale.setlocale(locale.LC_ALL, "")

lst = ['Zabel', 'Schneider', 'anabel', 'Arachno', 'Öztürk', 'de Hahn']

def _human_key(your_list):
    your_list.sort(key=locale.strxfrm)
    res = []
    for item in your_list:
        word = item.replace("Ä", "A").replace("Ö", "O").replace("Ü", "U")\
              .replace("ä", "a").replace("ö", "o").replace("ü", "u")\
              .replace("ß", "s")
        res.append(word)
    return res

print(_human_key(lst))

给我：

['anabel', 'Arachno', 'de Hahn', 'Ozturk', 'Schneider', 'Zabel']

没什么意思，但是如果您无法在您的方法中实现前面的代码，那么使用 Regex 似乎不是解决您的问题的适当标记 and/or 方法。希望对您有所帮助

Answer 2

如果你不介意使用第三方模块，你可以使用natsort（完全公开，我是作者）。对于您提供的数据，returns 开箱即用。

>>> from natsort import natsorted, ns
>>> data = ['Zabel', 'Schneider', 'anabel', 'Arachno', 'Öztürk', 'de Hahn']
>>> natsorted(data, alg=ns.LOCALE)  # ns.LOCALE turns on locale-aware handling
['anabel', 'Arachno', 'de Hahn', 'Öztürk', 'Schneider', 'Zabel']
>>> from natsort import humansorted
>>> humansorted(data)  # shortcut for using LOCALE
['anabel', 'Arachno', 'de Hahn', 'Öztürk', 'Schneider', 'Zabel']

如果需要排序键，可以使用natsort的键生成器：

>>> from natsort import natsort_keygen, ns
>>> humansort_key = natsort_keygen(alg=ns.LOCALE)
>>> humansort_key(this) < humansort_key(that)

请注意，您不一定需要使用区域设置...您只需要正确规范化 unicode，natsort 会在后台自动执行此操作。在您的情况下，您似乎希望大写字母和小写字母都与小写字母组合在一起，所以您可以改用它

>>> natsorted(data, alg=ns.GROUPLETTERS | ns.LOWERCASEFIRST)  # or ns.G | ns.LF
['anabel', 'Arachno', 'de Hahn', 'Öztürk', 'Schneider', 'Zabel']

我建议这样做是因为尝试处理区域设置是一场噩梦，如果不需要它那么你会好得多。

Python 中的正则表达式问题

Problem with Regular Expression in Python

python

regex

natural-sort