迹忆客 专注技术分享

Python 字符串 split() 方法允许根据分隔符将字符串轻松拆分为列表。尽管在某些情况下，你可能需要不仅基于一个分隔符值，而且还要基于多个定界符值进行分隔。这篇文章介绍了可以在 Python 中实现的两种便捷方法。

假设以下字符串。

text = "python is, an easy;language; to, learn."

对于我们的示例，我们需要用分号，空格 (; ) 或逗号和空格 (, ) 进行拆分。在这种情况下，不应该考虑出现任何奇数的分号或逗号，即没有尾部空格的 , 或 ;。

尽管正则表达式的使用由于字符串解析的昂贵特性而不被推荐使用，但是在这种情况下可以放心使用正则表达式。

Python 的内置模块 re 具有一种可用于这种情况的 split() 方法。

让我们使用基本的 a 或 b 正则表达式（a|b）来分隔多个定界符。

import re

text = "python is, an easy;language; to, learn."
print(re.split('; |, ', text))

输出：

['python is', 'an easy;language', 'to', 'learn.']

如 Wikipedia 页面所述，正则表达式使用 IEEE POSIX 作为其语法的标准。通过引用此标准，我们可以管理几种其他方式来编写符合用例的正则表达式。

无需使用竖线分隔符（|）来定义分隔符，我们可以使用正则表达式中提供的 Range（[]）语法实现相同的结果。你可以通过在方括号内提供正则表达式可以匹配的字符范围。

因此，当指定正则表达式的模式时，我们可以简单地在方括号内提供分号和逗号，以及一个额外的空格 [[;，]），这将导致正则表达式与具有[分号或逗号]和尾随空格。

import re

text = "python is, an easy;language; to, learn."
print(re.split("[;,] ", text))

前面提到的正则表达式仅限于硬编码的分隔符集。稍后在进行定界符修改时，这可能会带来麻烦，并且还会限制其在代码其他部分的可重用性。因此，最好使用最佳实践来考虑使代码更加通用和可重用。因此，为了安全起见，让我们将该逻辑编码到 Python 函数中。

import re
text = "python is, an easy;language; to, learn."
separators = "; ", ", "

def custom_split(sepr_list, str_to_split):
    # create regular expression dynamically
    regular_exp = '|'.join(map(re.escape, sepr_list))
    return re.split(regular_exp, str_to_split)

print(custom_split(separators, text))

如果你想避免使用正则表达式，或者不必为了拆分字符串而在项目中引入新模块，则可以使用 replace() 和 split() 方法出现在字符串模块中本身达到相同的结果。

text = "python is, an easy;language; to, learn."

# transform [semicolon-space] parts of the string into [comma-space]
text_one_delimiter = text.replace("; ", ", ")

print(text_one_delimiter.split(", "))

首先，我们用其他定界符替换逗号中所有出现的分号，后跟空格 (; )，该分隔符是逗号，后跟空格 (, )。这样，我们可以将字符串拆分限制为一个定界符，在这种情况下，它是一个逗号，后跟一个空格 (, )。

现在，我们可以使用 Python 字符串模块内置的简单 split() 函数安全地拆分修改后的字符串，以得到相同的结果。

请注意，这次我们尚未将任何新模块导入代码中以实现结果。

参考下面提到的文本。

text = "python is# an% easy;language- to, learn."

对于此示例，我们需要在所有实例上将其分割为文本具有任何字符 # % ; - ,，后跟一个空格。

在这种情况下，我们可以在定义正则表达式时轻松添加其他分隔符。

import re

text = "python is# an% easy;language- to, learn."
print(re.split('; |, |# |% |- ', text))

输出：

['python is', 'an', 'easy;language', 'to', 'learn.']

同样在这种情况下，我们可以简单地使用我们之前使用的带有两个定界符的代码，只需将所有其他分隔符添加到 separators 变量中即可。

import re
text = "python is# an% easy;language- to, learn."
separators = "; ", ", ", "# ", "% ", "- "

def custom_split(sepr_list, str_to_split):
    # create regular expression dynamically
    regular_exp = '|'.join(map(re.escape, sepr_list))
    return re.split(regular_exp, str_to_split)

print(custom_split(separators, text))

与我们之前使用两个定界符处理它的方式类似，我们可以使用 replace() 和 split() 函数也可以解决此问题。

text = "python is, an easy;language; to, learn."

# transform [semicolon-space] parts of the string into [comma-space]
text_one_delimiter = text.replace("# ", ", ").replace("% ", ", ").replace("; ", ", ").replace("- ", ", ")

print(text_one_delimiter.split(", "))

输出：

['python is', 'an easy;language', 'to', 'learn.']

应该注意的是，在这种情况下，当用于更高的定界符计数时，不建议使用此方法。由于在这种情况下，必须多次使用字符串 replace() 方法才能对字符串进行多次遍历，因此最终将导致不希望的性能峰值，使用正则表达式可以轻松避免。