Busquemos coincidir con el inicio de cada palabra. Hay 2 tipos de palabras en Notación Pascal:
Palabras iniciadas en mayúsculas, seguidas de al menos una minúscula
r"[A-Z][a-z]"
En este caso, sólo nos interesa verificar que esté seguida por 1 minúscula (es lo único relevante para anteponer un guión y llevar a minúscula).
Aunque también podría haber dígitos entre la ambas letras, y lo agregamos:
r"[A-Z]\d*[a-z]"
Siglas (mayúsculas consecutivas).
r"[A-Z][A-Z\d]*(?=[A-Z]|$)"
Coincide con 1 mayúscula, seguida de más mayúsculas o dígitos [A-Z][A-Z\d]*
.
Pero además, que esté seguida por otra mayúscula más o el fin del texto (?=[A-Z]|$)
.
De esa forma, evitamos que consuma la siguiente palabra. Por ejemplo,
- Que coincida con
HTML
en HTMLFormateado
.
- Pero también con
HTML
en FormatoHTML
.
Uniendo las dos expresiones anteriores en una, nos queda:
r"[A-Z](?:[A-Z\d]*(?=[A-Z]|$)|\d*[a-z])"
Esta expresión ya coincide con todos los casos. Si reemplazamos por r"-\g<0>"
(un guión seguido del texto que coincidió), tenemos:
>>> import re
>>> re.sub(r"[A-Z](?:[A-Z\d]*(?=[A-Z]|$)|\d*[a-z])", r"-\g", "FormatoHTMLConCSS")
'-Formato-HTML-Con-CSS'
No insertar guiones al inicio del texto
Para evitar que inserte guiones al principio, vamos a pasar una función como argumento para comprobar, en cada reemplazo, si match.start()
es 0
. Si es la primera palabra (comienza en la posición 0), no usamos un guión, de lo contrario antecedemos un guión.
Dentro de la función, usamos str.lower()
para llevar a minúsculas.
import re
patron = r"[A-Z]\d*(?:[A-Z\d]*(?=[A-Z]|$)|[a-z])"
pascal = re.compile(patron)
def pascal_kebab(cadena):
def insertar_separador(match):
return ("-" if match.start() else "") + match.group().lower()
return pascal.sub(insertar_separador, cadena)
Código final
Convierte de PascalCase a kebab-case.
Utilizamos exactamente la misma lógica que en el último código, con un lambda.
- Al utilizar un solo regex, y no depender de lookbehinds, esta función tiene un mejor rendimiento (30% a 100% más rápido) que las funciones utilizadas habitualmente.
import re
pascal = re.compile(r"[A-Z]\d*(?:[A-Z\d]*(?=[A-Z]|$)|[a-z])")
def pascal_kebab(cadena):
return pascal.sub(lambda m: ("-" if m.start() else "") + m.group().lower(), cadena)
Pruebas:
pruebas = ['VerHTMLDePag', 'Ver2HTMLDePag', 'Ver2HTMLPag2Info', 'HTMLFomatoPag',
'HTMLConXML', 'HTML5FomatoPag','HTML5ConXML', 'HTML5ConCSS3',
'HTML', 'VerQ', 'A2BFormato', 'Formato',
'SFormato'
]
for prueba in pruebas:
print("%-16s => %s" % (prueba, pascal_kebab(prueba)))
Resultado:
VerHTMLDePag => ver-html-de-pag
Ver2HTMLDePag => ver2-html-de-pag
Ver2HTMLPag2Info => ver2-html-pag2-info
HTMLFomatoPag => html-fomato-pag
HTMLConXML => html-con-xml
HTML5FomatoPag => html5-fomato-pag
HTML5ConXML => html5-con-xml
HTML5ConCSS3 => html5-con-css3
HTML => html
VerQ => ver-q
A2BFormato => a2b-formato
Formato => formato
SFormato => s-formato
Demo:
http://ideone.com/Xd9mUw