使用多个界定符分割字符串 所有定界符和分隔符都应使用什么

学习《Python Cookbook》第三版

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，可以考虑使用 re.split()方法

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：

import re

dog = 'li si; zhang, san, wang, ma: zi'
print(re.split(r'[;,:\s]\s*', dog))	# ['li', 'si', 'zhang', 'san', 'wang', 'ma', 'zi']

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：

dog = 'li si; zhang, san, wang, ma: zi'
print(re.split(r'(;|,|:|\s)\s*', dog))	# ['li', ' ', 'si', ';', 'zhang', ',', 'san', ',', 'wang', ',', 'ma', ':', 'zi']

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：

dog = 'li si; zhang, san, wang, ma: zi'
fields = re.split(r'(;|,|:|\s)\s*', dog)
sli_value = slice(None, None, 2)	# 关于slice对象的用法，之前介绍过，与寻常的切片等同
sli_delimiter = slice(1, None, 2)
values = fields[sli_value]
delimiters = fields[sli_delimiter]
print(values)	# ['li', 'si', 'zhang', 'san', 'wang', 'ma', 'zi']
print(delimiters)	# [' ', ';', ',', ',', ',', ':']
print(''.join(v + d for v, d in zip(values, delimiters))) # li si;zhang,san,wang,ma:

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：

dog = 'li si; zhang, san, wang, ma: zi'
print(re.split(r'(?:;|,|:|\s)\s*', dog)) 	# ['li', 'si', 'zhang', 'san', 'wang', 'ma', 'zi']

官方对于re.split()方法的介绍：

re.split(pattern, string, maxsplit=0, flags=0)

Split string by the occurrences of pattern. If capturing parentheses are used in pattern, then the text of all groups in the pattern are also returned as part of the resulting list. If maxsplit is nonzero, at most maxsplit splits occur, and the remainder of the string is returned as the final element of the list.

If there are capturing groups in the separator and it matches at the start of the string, the result will start with an empty string. The same holds for the end of the string

通过pattern的出现来分割字符串。如果在模式中使用了捕获括号，那么模式中所有组的文本也将作为结果列表的一部分返回。如果maxsplit非零，最多进行maxsplit次拆分，字符串的其余部分作为列表的最后一个元素返回。

? 如果分隔符中有捕获组，并且它在字符串的开始处匹配，那么结果将以空字符串开始。同样适用于字符串的结尾:

? 该模式的空匹配仅在与前一个空匹配不相邻时才拆分字符串,不可能将两个空匹配进行分割。

cat = '.li si;zhang'
print(re.split(r'\W+', cat))	# ['', 'li', 'si', 'zhang']
print(re.split(r'\W*', cat))	# ['', '', 'l', 'i', '', 's', 'i', '', 'z', 'h', 'a', 'n', 'g', '']
print(re.split(r'(\W+)', cat))	# ['', '.', 'li', ' ', 'si', ';', 'zhang']
print(re.split(r'\b', cat))	# ['.', 'li', ' ', 'si', ';', 'zhang', '']