re.split 后的空白字符答案

【问题标题】：Empty space character after re.splitre.split 后的空白字符
【发布时间】：2017-09-12 20:30:29
【问题描述】：

这是我正在读取的.txt 文件中的一行，我将其分配给x：

x = "Wild_lions live mostly in “Africa”"
result = re.split('[^a-zA-Z0-9]+', x)

我最终得到：

['Wild', 'lions', 'live', 'mostly', 'in', 'Africa', ''] # (there's an empty space character as the last element)

为什么最后有一个空格？我意识到我可以通过 result.remove(' ') 来摆脱空间，但对于大文件，我认为这将非常低效。

【问题讨论】：

【解决方案1】：

你不需要用这个复杂的正则表达式来分割，更简单的是：

result = re.split('\s+', x)
result
# ['Wild_lions', 'live', 'mostly', 'in', '“Africa”']

\s+ 将匹配任意数量的任意空格（制表符、空格、换行符等）。

如果您只需要字母匹配，最好使用re.compile 和findall。

myre = re.compile('[a-zA-Z]+')
myre.findall(x)
# ['Wild', 'lions', 'live', 'mostly', 'in', 'Africa']

【讨论】：

但是对于那个例子，我想要从 wild_lions 中取出 _，从 Africa 中取出引号。本质上，我希望输出完全像： ['Wild_lions', 'live', 'mostly', 'in', 'Africa', ''] 没有最后一个空格字符。
工作就像一个魅力。我还想出了另一种使用 re.sub 的方法。我所做的是将所有特殊字符替换为空格，然后将其拆分。这会是更有效的方法吗？ :)
@dppham1，不，因为在您执行re.sub(r'\W+', ' ', s) 之后，您需要去除空格然后拆分。 3 步与这 1 步。请接受此解决方案。

【解决方案2】：

试试这个：

x = "Wild_lions live mostly in 'Africa'"
result = re.split('[\s_]+', x)

你会得到：

['Wild', 'lions', 'live', 'mostly', 'in', "'Africa'"]

【讨论】：

【解决方案3】：

[^a-zA-Z0-9]+ 模式将提供的字符串拆分为任何字符或非数字或 ASCII 字母的字符序列。

示例字符串中的最后一个字符与拆分模式匹配。 re.split 将匹配之前的子字符串和 after 添加到其输出中（直到下一个匹配或字符串结尾）。在这种情况下，after 子字符串是空字符串，因此是报告的输出。

其他答案提供了解决方法来获得您想要的行为，因此我不会在此答案中重复它们。

【讨论】：