5

Hola estoy necesitando convertir un string en CamelCase a separado por guiones, estuve probando un poco de expresiones regulares pero no logro alguna que me separe, la idea es ingresar una cadena en CamelCase:

Entrada:

'HolaMundoCruel'

Salida:

'hola-mundo-cruel'

Gracias

2 respuestas 2

6

Busquemos coincidir con el inicio de cada palabra. Hay 2 tipos de palabras en Notación Pascal:


  1. 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]"
    


  1. 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

5

Puedes hacer uso de re.sub que permite subtituir cada coincidencia (en este caso una letra mayúscula en el interior de la cadena) por otra cadena dada (en este caso '-'). Para eliminar las mayúsculas puedes usar el método lower de la clase str:

import re

pattP = re.compile(r'(.)([A-Z][a-z]+)')
pattF = re.compile('([a-z0-9])([A-Z])')

def camel_a_guiones(cadena):
    return pattF.sub(r'\1-\2', pattP.sub(r'\1-\2', cadena)).lower()

print(camel_a_guiones('HolaMundoCruel'))

Otra alternativa usando re.finditer para separar las palabras (esto es válido también si quisieramos obtener una lista de las palabras contenidas en el camel). Teniendo esto basta volver a unirlas usando el método join() de str:

import re

patt = re.compile(r'.+?(?:(?<=[a-z0-9])(?=[A-Z])|(?<=[A-Z])(?=[A-Z][a-z])|$)')
def camel_a_guiones(cadena):
    return '-'.join(m.group(0) for m in re.finditer(patt, cadena)).lower()

print(camel_a_guiones('HolaMundoCruel'))

Salida de ambos:

hola-mundo-cruel

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.