使用re.split在Python中用多个分隔符拆分字符串（来自Python Cookbook）

Question

在《Python Cookbook》第三版的第二章第二节中，你会看到以下内容：

>>> line = 'asdf fjdk; afed, fjek,asdf,      foo'
>>> import re
>>> re.split(r'[;,\s]\s*', line)
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']

是的，这确实是个不错的例子……但是当我尝试去掉正则表达式中的 \s* 时，效果还是一样……见下文：

>>> re.split(r'[;,\s]*', line)
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']

那么，作者想要表达什么呢？为什么要让多余的 \s* 有用，而不直接用更简单、更短的方式呢？

请分享你的看法。

Answer 1

这两个正则表达式是不同的。

• 第一个正则表达式的意思是，分隔符可以是逗号、分号或者空格，后面可以跟着任意数量的空格。

• 第二个正则表达式的意思是，分隔符可以是一个或多个逗号、分号或者空格。

根据这些定义，如果你把正则表达式应用到下面这个字符串上，就能很容易看出它们的区别。

line = 'asdf fjdk;; afed, fjek,asdf,      foo'

所以结果会有所不同。

>>> re.split(r'[;,\s]*', line)
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']
>>> re.split(r'[;,\s]\s*', line)
['asdf', 'fjdk', '', 'afed', 'fjek', 'asdf', 'foo']

你需要选择哪个正则表达式，取决于你要处理的输入是什么，以及你希望得到的输出是什么，这些都是你可以接受的测试案例。

Answer 2

我没有这本书，所以不太清楚作者的意图。不过，David Beazley 是个非常聪明的人，我只能猜测他的目的是为了区分这两行的输出结果。

>>> line = 'asdf fjdk; afed, fjek,asdf,      foo'
>>> line = 'asdf fjdk; ; afed, fjek,asdf,      foo'

根据书里的正则表达式，第二行的结果会是

['asdf', 'fjdk', '', 'afed', 'fjek', 'asdf', 'foo']

而使用你修改过的正则表达式

['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']

你的正则表达式会把在 [;,\s] 这个组里的所有符号合并在一起，只要它们之间没有其他不在这个组里的字符。