在 Python 中使用多个分隔符拆分字符串[重复]

问题描述：

我在网上找到了一些答案，但我没有正则表达式的经验，我相信这是这里所需要的。

我有一个字符串需要用“;”或“，”分隔，也就是说，它必须是分号或逗号后跟一个空格。没有尾随空格的单个逗号应该保持不变

示例字符串：

"b-staged divinylsiloxane-bis-benzocyclobutene [124221-30-3], mesitylene [000108-67-8]; polymerized 1,2-dihydro-2,2,4- trimethyl quinoline [026780-96-1]"

应拆分为包含以下内容的列表：

('b-staged divinylsiloxane-bis-benzocyclobutene [124221-30-3]' , 'mesitylene [000108-67-8]', 'polymerized 1,2-dihydro-2,2,4- trimethyl quinoline [026780-96-1]') 

解决方案 1：

幸运的是，Python 有这个内置功能 :)

import re

# Regex pattern splits on substrings "; " and ", "
re.split('; |, ', string_to_split)

更新：

根据您的评论：

>>> string_to_split = 'Beautiful, is; better*than
ugly'
>>> import re
>>> re.split('; |, |*|
', string_to_split)
['Beautiful', 'is', 'better', 'than', 'ugly']

解决方案 2：

先做一个str.replace('; ', ', ')，再做一个str.split(', ')

解决方案 3：

对于任何可迭代的分隔符，这是一种使用正则表达式的安全方法：

>>> import re
>>> delimiters = "a", "...", "(c)"
>>> example = "stackoverflow (c) is awesome... isn't it?"
>>> regex_pattern = '|'.join(map(re.escape, delimiters))
>>> regex_pattern
'a|\\.\\.\\.|\\(c\\)'
>>> re.split(regex_pattern, example)
['st', 'ckoverflow ', ' is ', 'wesome', " isn't it?"]

re.escape允许自动构建模式并很好地转义分隔符。

以下是此解决方案的功能，方便您复制粘贴：

def split(delimiters, string, maxsplit=0):
    import re
    regex_pattern = '|'.join(map(re.escape, delimiters))
    return re.split(regex_pattern, string, maxsplit)

如果您经常使用相同的分隔符进行拆分，请按照说明预先编译正则表达式并使用RegexObject.split。

如果您希望保留字符串中的原始分隔符，则可以将正则表达式更改为使用后发断言：

>>> import re
>>> delimiters = "a", "...", "(c)"
>>> example = "stackoverflow (c) is awesome... isn't it?"
>>> regex_pattern = '|'.join('(?<={})'.format(re.escape(delim)) for delim in delimiters)
>>> regex_pattern
'(?<=a)|(?<=\\.\\.\\.)|(?<=\\(c\\))'
>>> re.split(regex_pattern, example)
['sta', 'ckoverflow (c)', ' is a', 'wesome...', " isn't it?"]

（替换?<=为?=将分隔符附加到右侧，而不是左侧）

解决方案 4：

针对 Jonathan 的上述回答，这似乎只对某些分隔符有效。例如：

>>> a='Beautiful, is; better*than
ugly'
>>> import re
>>> re.split('; |, |*|
',a)
['Beautiful', 'is', 'better', 'than', 'ugly']

>>> b='1999-05-03 10:37:00'
>>> re.split('- :', b)
['1999-05-03 10:37:00']

将分隔符放在方括号中似乎可以更有效地工作。

>>> re.split('[- :]', b)
['1999', '05', '03', '10', '37', '00']

解决方案 5：

正则表达式如下所示：

import re
# "semicolon or (a comma followed by a space)"
pattern = re.compile(r";|, ")

# "(semicolon or a comma) followed by a space"
pattern = re.compile(r"[;,] ")

print pattern.split(text)