【Python Cookbook】S01E18 针对任意多的分隔符拆分字符串

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！

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！

---