pythonでの文字列のリスト化

Question

前提・実現したいこと

'Toyota3.50, 4.99, Honda0.87, 1.49, Matsuda2.68, 3.99, Nissan1.41, 1.99'
この文字列を下記のリストにしたいです。

["Toyota", 3.50, 4.99, "Honda", 0.87, 1.49, "Matsuda", 2.68, 3.99, "Nissan", 1.41, 1.99]

英字と数字が混在している文字列で、英字はstrとして、数字（float)はfloatとしてリスト化する方法を求めています。

下記が最も近いのかなと思い、あてはめようと試みているのですが、うまくいかず止まっている状況です。
https://teratail.com/questions/37813

Comments

[tachikoma]

リストとありますが、[]を含めてすべて文字列の状態からのスタートして、特定の文字列の前後に""を置いた文字列にしたいということでしょうか。

[yhgkemry]

紛らわしい書き方となり申し訳ありません。
スタートは[]は含めず、すべて文字列の状態からスタートして、特定の文字列の前後に””と,入れたうえで、リストにするのが最終地点です。

[otn]

コードレベルの話で、やりたいことを説明してください。
> [Toyota3.50, 4.99, Honda0.87, 1.49, Matsuda2.68, 3.99, Nissan1.41, 1.99]
が、Pythonの文法に合ってないことは理解できていますか？

[yhgkemry]

理解しております。
"Toyota3.50, 4.99, Honda0.87, 1.49, Matsuda2.68, 3.99, Nissan1.41, 1.99"
という文字列を、
["Toyota",3.50, 4.99, "Honda", 0.87, 1.49, "Matsuda" ,2.68, 3.99, "Nissan", 1.41, 1.99]
というリストにするのが最終目標です。

[tachikoma]

カンマセパレートというわけではないので、そうすると文字列の走査が必要になってちょっと面倒ですね。ちなみに何か試してみましたか？

[yhgkemry]

おっしゃる通りカンマセパレートであれば、すぐにできたのですが。
下記が最も近いのかなと思い、あてはめようと試みているのですが、うまくいかず止まっている状況です。
https://teratail.com/questions/37813

[otn]

> という文字列を、
質問を書き直しましょう。やりたいことは「ダブルクォーテーションとカンマの追加」ではないことは理解できましたか？

> あてはめようと試みているのですが、うまくいかず止まっている状況です。
の状況も質問に追記しましょう。

Answer 1

カンマは無視して、欲しいものを抽出します。

import re

a = "Toyota3.50, 4.99, Honda0.87, 1.49, Matsuda2.68, 3.99, Nissan1.41, 1.99"

b = [float(x) if re.match(r"\d",x) else x for x in re.findall(r"\d+.\d+|[A-Za-z]+",a)]

print(b)

Comments

[yhgkemry]

ありがとうございます。
内包表記が私にはパッと見た際に理解が追い付かなかったので、下記のようにしました！

import re

a = "Toyota3.50, 4.99, Honda0.87, 1.49, Matsuda2.68, 3.99, Nissan1.41, 1.99"
b = []
for x in re.findall(r"\d+.\d+|[A-Za-z]+",a):
if re.match(r"\d",x):
b.append(float(x))
else:
b.append(x)

Answer 2

各文字に対してisalphaやisnumericを使ってやると便利です。下記のコードでは文字列を左から順番に走査してアルファベットから始まるか数字から始まるかで条件分岐をかけています。コメントと合わせて追いかけてみてください。

def custom_separator(s):
  rst = []

  idx = 0
  l = len(s)
  while idx < l:
    temp = ""  # 現在のtoken
    if s[idx].isalpha():  # もしアルファベットで始まるなら
      temp += '"'  # 先頭に"を加える
      while idx < l and s[idx].isalpha():
        temp += s[idx]
        idx += 1
      temp += '"'  # 末尾にも"を加える
      rst.append(temp)
    elif s[idx].isnumeric():  # もし数字から始まるなら
      # 次の条件分の外側のカッコ()は省略できない。
      while idx < l and (s[idx].isnumeric() or s[idx] == "."):  # カンマも含める
        temp += s[idx]
        idx += 1
      rst.append(temp)
    else:  # それ以外から始まる文字列は無視する
      idx += 1
  return rst

s = """Toyota3.50, 4.99, Honda0.87, 1.49, Matsuda2.68, 3.99, Nissan1.41, 1.99"""

lst = custom_separator(s)
print(lst)
# ['"Toyota"', '3.50', '4.99', '"Honda"', '0.87', '1.49', '"Matsuda"', '2.68', '3.99', '"Nissan"', '1.41', '1.99']

ここまででtokenに分解して文字列は"で囲むリストができます。あとはこれを, カンマで結合する。

dst = ", ".join(lst)
print(dst)
# "Toyota", 3.50, 4.99, "Honda", 0.87, 1.49, "Matsuda", 2.68, 3.99, "Nissan", 1.41, 1.99

フォーマットがかなり扱いにくいのですし、この種の走査はPythonだと処理が遅くなりやすいので、できれば前の段階でもう少し整形できないか検討したほうがいいかもしれません。

Comments

[yhgkemry]

ありがとうございます。
コメントまでつけていただき大変助かりました！
やはりデータの段階でうまく整備することを考えた方がよさそうですね。