在python re.split的輸出對我來說沒有意義

Question

print (re.split(r'[a-fA-F]','finqwenlaskdjriewasFSDFddsafsafasa',re.I|re.M)) 
print (re.split(r'[a-fA-Z]','finqwenlaskdjriewasFSDFddsafsafasa',re.I|re.M)) 
print (re.split(r'\d*','sdfsfdsfds123212fdsf2')) 
print (re.split(r'\d','sdfsfdsfds123212fdsf2')) 
print (re.split(r'\w+','dsfsf sdfdsf sdfsdf sfsfd')) 

['', 'inqw', 'nl', 'sk', 'jri', 'w', 's', 'S', '', '', 'dsafsafasa'] 
['', 'inqw', 'nl', 'sk', 'jri', 'w', 's', '', '', '', 'ddsafsafasa'] 
['sdfsfdsfds', 'fdsf', ''] 
['sdfsfdsfds', '', '', '', '', '', 'fdsf', ''] 
['', ' ', ' ', ' ', ''] 

我覺得這裏的輸出真的很奇怪。分割字符串的模式有時會在輸出列表中變爲「'，但在其他時間會消失。

Answer 1

有時將分割字符串的模式轉換爲''，但其他時間消失。

沒有，圖案（或它匹配）是從未包含在輸出那裏。那些''是之間的的比賽。因爲這就是re.split所做的。你的榜樣：

>>> re.split(r'\d','sdfsfdsfds123212fdsf2') 
['sdfsfdsfds', '', '', '', '', '', 'fdsf', ''] 

你被數字拆分，和子'123212'有六位數字，所以它們之間有5個空的字符串。這就是爲什麼輸出中有五個空字符串的原因。

Answer 2

輸出並不奇怪，這是故意的。 From the docs：

如果在分隔符中存在捕獲組並且它在字符串的開頭匹配，則結果將以空字符串開頭。這同樣適用於該字符串的結尾：

>>> re.split('(\W+)', '...words, words...') 
['', '...', 'words', ', ', 'words', '...', ''] 

這樣，分離器組件總是在結果列表中的相同的相對指數發現。

強調添加指出爲什麼這樣做。這同樣適用於字符串和非捕獲分隔符內的「空」序列。基本上，分隔符前後都有內容 - 即使分隔符未被捕獲且內容爲空。類似的方法str.splitactually does the same。

如果您知道分隔符，可以讓您始終重建初始字符串。捕獲分離器並連接，或將分離器插入連接是等同的。 ''.join(re.split('(%s)' % sep, ':::words::words:::')) == sep.join(re.split('%s' % sep, ':::words::words:::'))

Answer 3

首先，你基本上提供maxsplit=10參數，而不是flags=re.I|re.

其次，分離器不變成'';而不是是字符串隔板之間：

>>> re.split(r':', 'foo:bar::baz:') 
['foo', 'bar', '', 'baz', ''] 

通知隔板'' 2之間，以及在端部。

隔板本身不的結果，除非你的正則表達式中包含捕獲組（(...)）：

>>> re.split(r'(:)', 'foo:bar::baz:') 
['foo', ':', 'bar', ':', '', ':', 'baz', ':', ''] 

三：即使r'\d*'通常會匹配在字符串的開頭，結尾字符串，和每個字符之間，當前只有非零長度的匹配被認爲是re.split，因此該模式的行爲類似於r\d+。但是，在Python 3.6及更高版本中，此類行爲可能會發生更改，並在Python 3.5上發出警告FutureWarning: split() requires a non-empty pattern match.。