Previous

2.1 使用多个界定符分割字符串

问题

你需要将一个字符串分割为多个字段,但是分隔符(还有周围的空格)并不是固定的。

解决方案

string 对象的 split() 方法只适应于非常简单的字符串分割情形, 它并不允许有多个分隔符或者是分隔符周围不确定的空格。 当你需要更加灵活的切割字符串的时候,最好使用 re.split() 方法:


In [1]:
line = "asdf fjdk; afed, fjek,asdf, foo"

In [2]:
import re
re.split(r"[;,\s]\s*", line)


Out[2]:
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']

讨论

函数 re.split() 是非常实用的,因为它允许你为分隔符指定多个正则模式。 比如,在上面的例子中,分隔符可以是逗号,分号或者是空格,并且后面紧跟着任意个的空格。 只要这个模式被找到,那么匹配的分隔符两边的实体都会被当成是结果中的元素返回。 返回结果为一个字段列表,这个跟 str.split() 返回值类型是一样的。

当你使用 re.split() 函数时候,需要特别注意的是正则表达式中是否包含一个括号捕获分组。 如果使用了捕获分组,那么被匹配的文本也将出现在结果列表中。比如,观察一下这段代码运行后的结果:


In [3]:
fields = re.split(r"(;|,|\s)\s*", line)
fields


Out[3]:
['asdf', ' ', 'fjdk', ';', 'afed', ',', 'fjek', ',', 'asdf', ',', 'foo']

获取分割字符在某些情况下也是有用的。 比如,你可能想保留分割字符串,用来在后面重新构造一个新的输出字符串:


In [4]:
values = fields[::2]
values


Out[4]:
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']

In [5]:
delimiters = fields[1::2] + [""]
delimiters


Out[5]:
[' ', ';', ',', ',', ',', '']

In [6]:
# Reform the line using the same delimiters
"".join(v + d for v, d in zip(values, delimiters))


Out[6]:
'asdf fjdk;afed,fjek,asdf,foo'

如果你不想保留分割字符串到结果列表中去,但仍然需要使用到括号来分组正则表达式的话, 确保你的分组是非捕获分组,形如 (?:...) 。比如:


In [7]:
re.split(r"(?:,|;|\s)\s*", line)


Out[7]:
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']