本文主要是介绍【Python Cookbook】S01E18 针对任意多的分隔符拆分字符串,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
目录
- 问题
- 解决方案
- 讨论
问题
我们需要将字符串拆分为不同的字段,但是分隔符在整个字符串中不一致,换句话说,就是有很多分隔符,该怎么办?
解决方案
字符串常用拆分方法 xxx.split()
只能处理简单情况,不支持多个分隔符。但是如果使用正则化匹配 re.split('', xxx)
,则可以将字符串按照多个分隔符进行拆分。
line = 'asdf fjdk; afed, fjek,asdf, foo'
print(line.split(r' '))
import re
line = 'asdf fjdk; afed, fjek,asdf, foo'
print(re.split(r'[;,\s]', line))
结果:
['asdf', 'fjdk', '', 'afed', '', 'fjek', 'asdf', '', '', 'foo']
但是至此,我们还应该有两个疑问,
- 第一,为什么
\s
在字符串的split()
中不可以,但是在正则化匹配中可以实现按照空格拆分? - 第二,现在正则化结果中还包含一些奇怪的元素,这些元素是什么,该怎样清除?
带着这些问题我们进入讨论。
讨论
首先,问题1:为什么 line.split(r'\s')
不能实现按空格拆分?
答: 在普通字符串中,\s
并不是代表空格,而是被解释为反斜杠 \
和小写字母 s
的组合体 \s
test_arr = "\ask your question\s, please"
print(test_arr.split(r"\s"))
而在正则化中,\s
是一个特殊字符类,用于匹配任何空白字符,包括空格、制表符、换行符等。这是正则表达式语言的一部分,用于简化对文本模式的匹配。
总而言之,
- 在正则表达式中:
\s
表示匹配任何空白字符。 - 在普通字符串中:
' '
表示一个空格字符,而\s
表示反斜杠字符\
后跟小写字母s
。
其次,问题2:为什么结果中出现 “”, 如何清除?
答: 首先,理解如下正则表达式处理结果。
test_arr = "hello,;world"
print(re.split(r"[,;]", test_arr))
结果:
# 我们希望的结果
["hello", "world"]
# 实际得到的结果
['hello', '', 'world']
出现空白字符的原因是,在字符串 test_arr
中,连续的逗号和分号视为两个分隔符,因此 re.split()
做了两次分割,将字符串拆分成如下部分:
- “hello”:逗号之前的部分。
- “”:逗号和分号之间的部分(没有字符)。
- “world”:分号之后的部分。
因此,结果是 [‘hello’, ‘’, ‘world’]
但是我们怎样实现我们期望的结果呢?通过符号 +
test_arr = "hello,;world"
print(re.split(r"[,;]+", test_arr))
其结果为:
['hello', 'world']
+
的作用,指的是匹配 re.split(pattern, arr)
模式 pattern
中所有指定的分隔符的一个或者多个符号的组合。让我们使用复杂一些的代码更多测试:
test_arr = "hello,;world,hi;child;,;test"
print(re.split(r"[,;]+", test_arr))
结果为:
['hello', 'world', 'hi', 'child', 'test']
最后,回到本题目,如果我们希望能够成功得到如
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']
的结果,根据上述内容,我们可以将 pattern
改写为
print(re.split(r'[;,\s]+', line))# 输出结果为
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']
这篇关于【Python Cookbook】S01E18 针对任意多的分隔符拆分字符串的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!