命令行与文本处理 / 系统课时

按正则规则拆分文本

按正则规则拆分文本

学习目标

  • 掌握 re.split()。
  • 会使用多种分隔符拆分。
  • 理解连续分隔符处理。
  • 认识捕获组会保留分隔符。

问题背景或应用场景

实际文本可能同时使用逗号、分号、竖线或不规则空白分隔字段。普通字符串 split() 一次只能直接处理一种固定分隔符,re.split() 可以描述组合规则。

核心原理

  1. re.split() 根据正则匹配到的分隔符切分文本。
  2. 字符集合可以表示多个单字符分隔符。
  3. 加号量词可以把连续分隔符视为一个整体。
  4. 模式中存在捕获组时,分隔符内容也会进入结果列表。
  5. 首尾分隔符可能产生空字符串字段。

模式 [,;|]+ 可以把一个或多个逗号、分号或竖线作为分隔区域。

基础用法

本课涉及的核心写法如下:

text
re.split(r"[,;|]+", text)
re.split(r"\s+", text.strip())
re.split(r"([,;])", text)

是否保留空字段和分隔符取决于业务。结构化 CSV、命令行参数等复杂格式应使用专用解析器。

完整可运行示例

将代码保存为:

text
regex_split.py
python
import re

text = "red,green;;blue|yellow"
parts = re.split(r"[,;|]+", text)
print(f"组合分隔符:{parts}")

whitespace_text = "name   age\tcity\nAlice 30 KL"
fields = re.split(r"\s+", whitespace_text.strip())
print(f"空白拆分:{fields}")

with_separators = re.split(r"([,;])", "a,b;c")
print(f"保留分隔符:{with_separators}")

edge_text = ",a,b,"
print(f"首尾分隔符:{re.split(r',', edge_text)}")

运行命令:

bash
python regex_split.py

预期输出

text
组合分隔符:['red', 'green', 'blue', 'yellow']
空白拆分:['name', 'age', 'city', 'Alice', '30', 'KL']
保留分隔符:['a', ',', 'b', ';', 'c']
首尾分隔符:['', 'a', 'b', '']

Tips

  • 连续分隔符通常应使用加号合并。
  • 捕获组会把分隔符保留在结果中。
  • 拆分前是否 strip() 应由业务决定。
  • CSV 等复杂格式不要用简单正则拆分。

常见错误

1. 无意使用捕获组

捕获组会改变结果列表结构。

2. 忽略首尾空字段

文本以分隔符开头或结尾时可能产生空字符串。

3. 用简单正则拆分带引号 CSV

字段内逗号和转义需要标准 CSV 解析器。

本课练习

  1. 按逗号、分号或竖线拆分文本。
  2. 把连续分隔符视为一个整体。
  3. 使用捕获组保留分隔符并观察结果。
  4. 处理首尾分隔符产生的空字段。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

按正则规则拆分文本

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通