Сплит строки Python с использованием нескольких разделителей

Question

У меня несколько сложное имя файла после шаблона s[num][alpha1][alpha2].ext, который я пытаюсь сделать tokenize. Лексиконы, из которых рисуются альфа1 и альфа2, содержатся в двух списках.

Я нашел вопрос в https://stackoverflow.com/questions/4998629/python-split-string-with-multiple-delimiters полезным, но это не помогло решить мою проблему.

Между [num] и [alpha1], число предшествует буква (довольно легко регулярное выражение), но между [alpha1] и [alpha2], я расщеплению между двумя словами.

Учитывая имя файла s13LoremIpsum.ext, например, я бы хотел ("s", "13", "Lorem", "Ipsum").

Что было бы лучшим способом достичь этого?

Обратите внимание, что в данном конкретном случае, [alpha2] это единственное письмо, но я заинтересован в решениях для как этот случай и общий случай, когда [alpha1] и [alpha2] слова произвольной длины. Отметим также, что общий случай может ввести двусмысленность, если существует более одного возможного расщепления путем объединения слов из соответствующих лексиконов, например.

alpha1 = ["a", "ab"] 
alpha2 = ["bc", "c"] 
# How will we split? 
splitString == ("a", "bc") 
# --OR-- 
splitString == ("ab", "c") 

Решение этой неоднозначности является вторичной проблемой.

Answer 1

alpha1, alpha2 = ["a", "ab", "Lorem"], ["bc", "c", "Ipsum"] 
import re 
pattern = re.compile("(s)(\\d+)("+"|".join(alpha1) + ")(" + "|".join(alpha2)+")") 
data = "s13LoremIpsum.ext" 
result = [pattern.match(data).group(i) for i in range(1, 5)] 
print result 

Выход

['s', '13', 'Lorem', 'Ipsum'] 

Фактический скомпилированный шаблон можно проверить, как этот

print pattern.pattern 

, который печатает

(s)(\d+)(a|ab|Lorem)(bc|c|Ipsum)