如何阻止正则表达式匹配不需要的空字符串？答案

【问题标题】：How do I stop regex from matching unwanted empty strings?如何阻止正则表达式匹配不需要的空字符串？
【发布时间】：2020-06-24 22:35:56
【问题描述】：

我正在研究一个计算句子的问题。我决定通过使用正则表达式在字符“？，。，！”处拆分字符串来实现。当我将文本传递给 re.split 时，它在列表末尾包含一个空字符串。

源代码：

from cs50 import get_string
import re


def main():
    text = get_string("Text: ")
    cole_liau(text)


# Implement 0.0588 * L - 0.296 * S - 15.8; l = avg num of letters / 100 words , S = avg num of sentences / 100 words
def cole_liau(intext):

    words = []
    letters = []

    sentences = re.split(r"[.!?]+", intext)
    print(sentences)
    print(len(sentences))

main()

输出：

文字：恭喜！今天是你的好日子。你要去伟大的地方！你已经离开了！

['Congratulations', ' Today is your day', " You're off to Great Places", " You're off and away", '']

我尝试添加 + 表达式以确保它至少匹配 1 [.!?] 但这也不起作用。

【问题讨论】：

标签： python regex

【解决方案1】：

re.split 在这里工作正常。你在最后一个句子的末尾有一个!，所以它会在（一个句子）之前和之后（一个空字符）分割文本。

您只需在行尾添加[:-1] 即可删除列表的最后一个元素：

sentences = re.split(r"[.!?]+", intext)[:-1]

输出：

['Congratulations', ' Today is your day', " You're off to Great Places", " You're off and away"]

【讨论】：

【解决方案2】：

你可以使用理解：

def cole_liau(intext):

    words = []
    letters = []

    sentences = [sent for sent in re.split(r"[.!?]+", intext) if sent]
    print(sentences)
    print(len(sentences))

产量

['Congratulations', ' Today is your day', " You're off to Great Places", " You're off and away"]
4

至于re.split()为什么返回一个空字符串，见this answer。

【讨论】：

在这里使用推导很昂贵，它遍历所有列表只是为了删除最后一个元素。
@totok：不是真的，它可能是第一个元素、最后一个元素或介于两者之间的任何元素。