Строка, разделенная индексами в Python

Я ищу pythonic способ разделить предложение на слова, а также сохранить индексную информацию всех слов в предложении e.g

a = "This is a sentence"
b = a.split() # ["This", "is", "a", "sentence"]

Теперь я также хочу сохранить индексную информацию обо всех словах

c = a.splitWithIndices() #[(0,3), (5,6), (8,8), (10,17)]

Каков наилучший способ реализации splitWithIndices(), имеет ли у python какой-либо библиотечный метод, который я могу использовать для этого. Любой метод, который поможет мне рассчитать индексы слова, будет большим.

Ответ 1

Я думаю, что более естественно возвращать начало и конец соответствующих сращиваний. например (0, 4) вместо (0, 3)

>>> from itertools import groupby
>>> def splitWithIndices(s, c=' '):
...  p = 0
...  for k, g in groupby(s, lambda x:x==c):
...   q = p + sum(1 for i in g)
...   if not k:
...    yield p, q # or p, q-1 if you are really sure you want that
...   p = q
...
>>> a = "This is a sentence"
>>> list(splitWithIndices(a))
[(0, 4), (5, 7), (8, 9), (10, 18)]

>>> a[0:4]
'This'
>>> a[5:7]
'is'
>>> a[8:9]
'a'
>>> a[10:18]
'sentence'

Ответ 2

Вот метод с использованием регулярных выражений:

>>> import re
>>> a = "This is a sentence"
>>> matches = [(m.group(0), (m.start(), m.end()-1)) for m in re.finditer(r'\S+', a)]
>>> matches
[('This', (0, 3)), ('is', (5, 6)), ('a', (8, 8)), ('sentence', (10, 17))]
>>> b, c = zip(*matches)
>>> b
('This', 'is', 'a', 'sentence')
>>> c
((0, 3), (5, 6), (8, 8), (10, 17))

Как однострочный:

b, c = zip(*[(m.group(0), (m.start(), m.end()-1)) for m in re.finditer(r'\S+', a)])

Если вам просто нужны индексы:

c = [(m.start(), m.end()-1) for m in re.finditer(r'\S+', a)]