python对英语的要求_Python：对多语言（例如中文和英文）字符串执行此“混合”split（）的任何方式？...

格式化列表显示其组件的repr。如果你想自然地查看字符串而不是转义，你需要自己设置格式。 （repr应该不来逃避这些字符; repr(u'我')应该返回"u'我'"，不"u'\\u6211'显然，这并在Python 3发生;只有2.X被套牢的英语为中心的转义Unicode字符串。）

基本您可以使用的算法是为每个字符分配一个字符类，然后按类分组字母。起始码在下面。

我没有使用doctest，因为我打了一些奇怪的编码问题，我不想查看（超出范围）。你需要实现一个正确的分组功能。

请注意，如果您使用此功能进行单词换行，还有其他每种语言的注意事项。例如，你不想破坏不间断的空间;你确实想打破连字符;对于日语你不想分开きゅ;等等。

# -*- coding: utf-8 -*-

import itertools, unicodedata

def group_words(s):

# This is a closure for key(), encapsulated in an array to work around

# 2.x's lack of the nonlocal keyword.

sequence = [0x10000000]

def key(part):

val = ord(part)

if part.isspace():

return 0

# This is incorrect, but serves this example; finding a more

# accurate categorization of characters is up to the user.

asian = unicodedata.category(part) == "Lo"

if asian:

# Never group asian characters, by returning a unique value for each one.

sequence[0] += 1

return sequence[0]

return 2

result = []

for key, group in itertools.groupby(s, key):

# Discard groups of whitespace.

if key == 0:

continue

str = "".join(group)

result.append(str)

return result

if __name__ == "__main__":

print group_words(u"Testing English text")

print group_words(u"我爱蟒蛇")

print group_words(u"Testing English text我爱蟒蛇")