在 Python 中使用正则表达式拆分 [重复]答案

【问题标题】：Splitting with Regular Expression in Python [duplicate]在 Python 中使用正则表达式拆分 [重复]
【发布时间】：2018-01-31 06:46:09
【问题描述】：

我对 Python 比较陌生，我正在尝试使用 re 拆分字符串。我进行了一些研究，并且遇到了一些示例并进行了尝试。它们似乎有效，但有局限性。

我正在使用带有与整数值关联的字符串键的字典。我正在尝试对每个单词应用一个权重，该权重取决于与键字符串关联的整数值。我的问题是该字符串的格式不完美，我需要将其拆分为下划线 ( _ ) 以及空格和其他各种分隔符。据我了解，这需要使用正则表达式来完成。我的代码如下：

for key, value in sorted_articles.items():
    wordList = print(re.split(r'(_|\s|:|)',key))

当我打印出来时，它会很好地拆分所有内容，但它也会打印出分隔符，而不是在列表中忽略它们。例如，字符串"Hello_how are you_" 以['Hello', '_', 'how', ' ', 'are', ' ', 'you','_'] 的形式存储在列表中。我不确定为什么将分隔符添加到列表中，我不知道如何修复它。提前感谢您的帮助！

【问题讨论】：

使用r'[_\s:]' 或r'(?:_|\s|:)'。将捕获组添加到模式中后，这些值将成为结果列表的一部分。
第一个效果很好，谢谢！不过，您能解释后一种解决方案吗？只是好奇
两者是等价的。他们只是在_、空格和:上分开。
括号做类匹配。它与括号内的任何字符匹配。没有括号对 g 进行分组，以 ?: 开头使其成为非捕获组，并且管道 |是组内的 or 运算符。所以 [abc] 匹配 a 或 b 或。 (ab|c) 匹配 ab 或 c。

标签： python python-3.x

【解决方案1】：

您可以使用\W+ 字符进行拆分，这将完全不拆分字母字符串项目，并使用|_ 专门搜索下划线：

for key, value in sorted_articles.items():
    wordList = print(re.split('\W+|_',key))

例如：

s = "Hello_how are you_"

print(re.split("\W+|_", s))

输出：

['Hello', 'how', 'are', 'you', '']

【讨论】：