本文介绍一种使用正则表达式实现“按空格分割字符串，但将紧跟在连字符 - 或冒号 : 后的空格视为分隔符的一部分，使特殊字符保留在前一单词末尾”的实用方法。
本文介绍一种使用正则表达式实现“按空格分割字符串，但将紧跟在连字符 `-` 或冒号 `:` 后的空格视为分隔符的一部分，使特殊字符保留在前一单词末尾”的实用方法。
在自然语言处理、日志解析或表单字段提取等场景中，我们常需对字符串进行语义合理的分词——而非简单地按空格暴力切分。例如，"Company Name: Back in future" 希望拆分为 ['Company', 'Name:', 'Back', 'in', 'future']，其中 : 应归属前词 Name 而非独立成项；同理，"lading-91258963" 中的 - 也应紧贴 lading，形成 'lading-'。
标准 str.split() 或 re.split(r'\s+', s) 无法满足该需求，因为它会把标点与空格同等对待。正确思路是：将“空格”本身作为主要分隔符，但同时允许在特定标点（如 -、:）之后的可选空格处“提前切断”，从而让标点成为前词的组成部分。
这可通过「正向肯定环视（positive lookbehind）」配合交替匹配实现：
import re pattern = re.compile(r" |(?<=[-:]) ?")
该正则含义如下：
- ` `（空格）：基础分隔符；
-
|：逻辑“或”； (?：匹配一个<strong>可选空格</strong>（<code>?），但仅当其前面是-或:时才生效；由于(? 是零宽断言，不消耗字符，因此 <code>:或-仍属于前一个 token，而空格被用作切分点。
✅ 注意：
(? 中的 <code>[-:]是字符类，表示匹配任意一个-或:；若需扩展支持更多符号（如#、.、/），可写作[-:#./]。
以下为完整示例代码及运行结果：
import re
strs = [
'Company Name: Back in future',
'SCALC:WY58',
'Our carrier.: LTC',
'Lading# 1',
'Invoice of lading-91258963',
'SST #: 18965'
]
pattern = re.compile(r" |(?<=[-:]) ?")
result = [re.split(pattern, s) for s in strs]
for s, r in zip(strs, result):
print(f"'{s}' → {r}")输出：
'Company Name: Back in future' → ['Company', 'Name:', 'Back', 'in', 'future'] 'SCALC:WY58' → ['SCALC:', 'WY58'] 'Our carrier.: LTC' → ['Our', 'carrier.:', 'LTC'] 'Lading# 1' → ['Lading#', '1'] 'Invoice of lading-91258963' → ['Invoice', 'of', 'lading-', '91258963'] 'SST #: 18965' → ['SST', '#:', '18965']
⚠️ 注意事项：
- 若字符串末尾存在目标标点+空格（如
"abc: "），该模式会在:后切分，得到['abc:', '']—— 可通过后续过滤空字符串（[x for x in tokens if x.strip()]）清理； - 当前模式未处理连续标点（如
a--b或c::d），如需支持，可将[-:]改为[-:]+并调整环视逻辑； - Python 中
re.split()对于含捕获组的正则会将分隔符也纳入结果，但本模式不含捕获组，故输出纯净。
总结：该方案以简洁正则实现了语义感知的分词逻辑，兼顾可读性与扩展性，适用于大多数结构化文本预处理任务。
