Question

输入：

Some Text here: Java, PHP, JS, HTML 5, CSS, Web, C#, SQL, databases, AJAX, etc.

代码：

import re

input_words = list(re.split('\s+', input()))
print(input_words)

做得完美，并回报我：

['Some', 'Text', 'here:', 'Java,', 'PHP,', 'JS,', 'HTML', '5,', 'CSS,', 'Web,', 'C#,', 'SQL,', 'databases,', 'AJAX,', 'etc.']

但是当添加其他一些分隔符时，就像这样：

import re

input_words = list(re.split('\s+ , ; : . ! ( ) " \' \ / [ ] ', input()))
print(input_words)

它不再被空格分开了，我在哪里错了？

预期的支出是：

['Some', 'Text', 'here', 'Java', 'PHP', 'JS', 'HTML', '5', 'CSS', 'Web', 'C#', 'SQL', 'databases', 'AJAX', 'etc']

Answer 1

您应该在包含所有这些符号的正则表达式上进行拆分：

input_words = re.split('[\s,;:.!()"\'\\\[\]]', input())
print(input_words)

这是对您的问题的字面回答。您可能要使用的实际解决方案是在符号的两端进行拆分，例如在任意一端加上

input = "A B ; C.D   ! E[F] G"
input_words = re.split('\s*[,;:.!()"\'\\\[\]]?\s*', input)
print(input_words)

打印：

['A', 'B', 'C', 'D', 'E', 'F', 'G']

Answer 2

将表达式写在方括号内，如下所示。希望对您有帮助

import re



input_words = list(re.split('[\s+,:.!()]', input()))

Answer 3

使用nltk模块进行单词标记化

#!/usr/bin/python3
import nltk

sentence = """At eight o'clock on Thursday morning
... Arthur didn't feel very good."""
words = nltk.tokenize.word_tokenize(sentence)
print(words)

输出：

[“在”，“八”，“钟”，“开”，“星期四”，“早晨”，“ ...”， 'Arthur'，'did'，'n't'，'feel'，'very'，'good'，'。']

Python被多个分隔符分隔，包括空格？

3 个答案: