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
- re.split() 根据正则匹配到的分隔符切分文本。
- 字符集合可以表示多个单字符分隔符。
- 加号量词可以把连续分隔符视为一个整体。
- 模式中存在捕获组时,分隔符内容也会进入结果列表。
- 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.pypython
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
- 按逗号、分号或竖线拆分文本。
- 把连续分隔符视为一个整体。
- 使用捕获组保留分隔符并观察结果。
- 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。