Podrías separar la cadena sin recurrir previamente a regex o usar directamente re.split
, pero contentando a tu pregunta con respecto a insertar la coma, en principio puedes usar una expresión como:
((?<!^)(([A-Z]+[a-z]*(\s+[A-Z])?[a-z]*))|(\d+(\s+[a-zA-Z]?[a-z]*)))
()
-> Grupo de captura.(?<!^)
-> look behind, se asegura que lo que sigue no esté al inicio de la cadena (^
).([A-Z]+[a-z]*(\s+[A-Z])?[a-z]*)
: primera posibilidad, palabra[A-Z]
-> clase de caracteres, letras mayúsculas.**+
** -> Cuantificador, uno o más, voraz, tantas veces como pueda.[a-z]
-> clase de caracteres, letras minúsculas.*
-> Cuantificador, 0 o más, voraz, tantas veces como pueda.\s
-> literal para el espacio.?
-> Cuantificador, cero o una vez.
|
->or
(\d+(\s+[a-zA-Z]?[a-z]*)
: segunda posibilidad, número\d
-> Clase de caracteres, dígitos del cero al 9.
import re
patt = re.compile(
r'((?<!^)(([A-Z]+[a-z]*(\s+[A-Z])?[a-z]*))|(\d+(\s+[a-zA-Z]?[a-z]*)))'
)
cad = "UlrikGreenshore580 gpKrooxKazordoon580 gpCedrikLiberty Bay580 gpBrengusPort Hope580 gp"
res = patt.sub(r",\1", cad)
>>> mres 'Ulrik,Greenshore,580 gp,Kroox,Kazordoon,580 gp,Cedrik,Liberty Bay,580 gp,Brengus,Port Hope,580 gp'
En r",\1"
, \1
se refiere al primer grupo de captura.
La expresión está escrita sobre la marcha y sin un testeo adecuado, es muy posible que pueda ser simplificada o que pudiera fallar en ciertos escenarios no contemplados en el ejemplo.