python 正則表示式 按大寫字母、中文、特殊符號分離字串

import re

def split_except_alphabetDigitChinese(unicode_str):
    """
    @return:['matched str', '']
    """
    if type(unicode_str) != type(u''):
        try:
            unicode_str = unicode_str.decode('utf8')
        except:
            pass
        
    result 
 
= re.findall(u'[\u4e00-\u9fa5]+|[A-Z][a-z0-9]{2,}|[A-Z]{2,}(?![a-z])|(?![A-Z])[a-z][a-z0-9]{2,}',unicode_str)
    result = [t.strip() for t in result if t]
    #print(result) 
    return result
if __name__ == '__main__':
    print(split_except_alphabetDigitChinese(u'aa我們dll%Tools_exportImport like*unrealUPPERCASE09Desing09dddd
 
'))

列印：['我們', 'dll', 'Tools', 'export', 'Import', 'like', 'unreal', 'UPPERCASE', 'Desing09dddd']

有一些不完美，例如全是大寫的單詞後面的數字沒有匹配到，不過基本滿足需求。

{2,}控制了匹配長度，我這裡把2以下的長度過濾了，可以根據自己需求來修改。

由於象徵文字中文很難通過字面意思來區分單詞，所以中文在正則表示式方面去按單詞來匹配是很難做到的，不像英文，可以通過首寫大寫或者一些特殊符號來區分。