如何使用 re.split 分割字符串？

Question

我刚开始接触正则表达式，想要处理一些特别格式的字符串。我的目标是把字符串分割成不同的部分。如果一个字母不在括号里，它就应该变成输出列表中的一个单独元素。而在括号里的字母则应该放在一起。

下面是一些例子：

我的字符串 => 想要的列表

• "ab(hpl)x" => ['a', 'b', 'hpl', 'x']
• "(pck)(kx)(sd)" => ['pck', 'kx', 'sd']
• "(kx)kxx(kd)" => ['kx', 'k', 'x', 'x', 'kd']
• "fghk" => ['f', 'g', 'h', 'k']

我想知道怎么用正则表达式和 re.split 来实现这个功能？提前谢谢你的帮助。

Answer 1

你需要用 findall 而不是 split。可以使用这个正则表达式：r'(?<=\()[a-z]+(?=\))|[a-z]'，它能处理你所有的测试案例。

>>> test_cases = ["ab(hpl)x", "(pck)(kx)(sd)", "(kx)kxx(kd)", "fghk"]
>>> pat = re.compile(r'(?<=\()[a-z]+(?=\))|[a-z]')
>>> for test_case in test_cases:
...     print "%-13s  =>  %s" % (test_case, pat.findall(test_case))
...
ab(hpl)x       =>  ['a', 'b', 'hpl', 'x']
(pck)(kx)(sd)  =>  ['pck', 'kx', 'sd']
(kx)kxx(kd)    =>  ['kx', 'k', 'x', 'x', 'kd']
fghk           =>  ['f', 'g', 'h', 'k']

编辑：

如果你想匹配大小写字母、数字和下划线，可以把 [a-z] 替换成 \w。如果你的括号永远不会不平衡（比如 "abc(def"），那么可以去掉前面的断言 (?<=\()。

Answer 2

这件事不能用 re.split 来完成，因为这需要在零长度的匹配上进行分割。

根据 http://docs.python.org/library/re.html#re.split 的说明：

请注意，split 永远不会在空的模式匹配上分割字符串。

这里有一个替代的方法：

re.findall(r'(\w+(?=\))|\w)', your_string)

还有一个例子：

>>> for s in ("ab(hpl)x", "(pck)(kx)(sd)", "(kx)kxx(kd)", "fghk"):
...     print s, " => ", re.findall(r'(\w+(?=\))|\w)', s)
... 
ab(hpl)x  =>  ['a', 'b', 'hpl', 'x']
(pck)(kx)(sd)  =>  ['pck', 'kx', 'sd']
(kx)kxx(kd)  =>  ['kx', 'k', 'x', 'x', 'kd']
fghk  =>  ['f', 'g', 'h', 'k']