Question

Python中（非常强大的）re模块的一个特殊怪癖是re.split() will never split a string on a zero-length match，例如，如果我想沿着字边界分割字符串：

>>> re.split(r"\s+|\b", "Split along words, preserve punctuation!")
['Split', 'along', 'words,', 'preserve', 'punctuation!']

而不是

['', 'Split', 'along', 'words', ',', 'preserve', 'punctuation', '!']

为什么会出现这种限制？它是按设计的吗？其他正则表达式的行为是这样的吗？

Answer 1

这是一个设计决定，可能已经走了。蒂姆·彼得斯让this post解释：

例如，如果你用模式x *分割“abc”，你会怎么做？   期望？模式匹配（长度为0）4个位置，   但我敢打赌，大多数人都会对此感到惊讶

[''，'a'，'b'，'c'，'']

而不是（因为他们得到）

['abc']

其他人不同意他的看法。由于向后兼容性问题，Guido van Rossum doesn't want it changed。他做了say：

我可以添加一个标志来启用此行为。

修改：

Jan Burgy发布了workaround：

>>> s = "Split along words, preserve punctuation!" >>> re.sub(r"\s+|\b", '\f', s).split('\f') ['', 'Split', 'along', 'words', ',', 'preserve', 'punctuation', '!']

'\f'可以替换为任何未使用的字符。

Answer 2

要解决此问题，您可以使用regex package的VERSION1模式，这样split() 也会产生零长度匹配：

>>> import regex as re
>>> re.split(r"\s+|\b", "Split along words, preserve punctuation!", flags=re.V1)
['', 'Split', 'along', 'words', ',', 'preserve', 'punctuation', '!']

Answer 3

基本上，split（）是两个不同的功能合二为一。如果您提供参数，则其行为与没有参数时调用的行为非常不同。

起初，似乎

s.split() == s.split(' \t\n')

但事实并非如此，正如您所示。医生说：

[...] 如果未指定sep或为None，则为任何空白字符串是一个分隔符，从结果中删除空字符串。 [...]

即使添加'remove_empty'参数，它仍然会表现得很奇怪，因为'remove_empty'的默认值取决于那里的'sep'参数。

Answer 4

Python自3.7开始支持此功能：

>>> s = "You! Are you Tom? I am Danny."
>>> re.split(r'(?<=[.!\?])', s)
['You!', ' Are you Tom?', ' I am Danny.', '']

为什么Python的`re.split（）`在零长度匹配上不分裂？

4 个答案: