使用正则表达式将字符串拆分为多个空格。答案

【问题标题】：using regular expression to split string with multiple spaces.使用正则表达式将字符串拆分为多个空格。
【发布时间】：2013-09-11 23:22:11
【问题描述】：

我正在尝试拆分由多个空格分隔的字符串即：

    string1 = "abcd    efgh   a. abcd   b efgh"
    print re.findall(r"[\w.]+")

正如预期的那样，结果是：

    ['abcd', 'efgh', 'a.', 'abcd', 'b', 'efgh']

但是，我想将“a”分组。和“abcd”进入同一组，“b”和“efgh”进入同一组。所以我想要的结果看起来像：

    ['abcd', 'efgh', 'a. abcd', 'b efgh']

我目前的方法是创建两种类型的表达。第一个处理没有空格的正则表达式，即'abcd'和'efgh'。第二个处理具有单个空格的那些。即“一个” +'abcd'。

如果 r'[\w]+ 可以处理第一种类型，并且 r'[\w]+ [\w]+ 可以处理第二种。但我不知道如何使用 '|' 将它们组合成同一个表达式。

一如既往，欢迎任何其他方法。感谢您的宝贵时间！

【问题讨论】：

标签： python regex findall

【解决方案1】：

result = [s.strip() for s in string1.split('  ') if s.strip()]

即拆分两个空格并从结果中删除无关空格（使用条带）。

【讨论】：

【解决方案2】：

如果你想使用re.findall，你可以使用这个表达式：

>>> string1 = "abcd    efgh   a. abcd   b efgh"
>>> print re.findall(r"\S+(?:\s\S+)*", string1)
['abcd', 'efgh', 'a. abcd', 'b efgh']

(?:\S+(?:\s\S+)*) 找到一个非空格字符，后跟一个空格，如果存在多个非空格字符，则多次查找，所以这也有效：

>>> string1 = "abcd    efgh   a. abcd   b efgh ijkl"
>>> print re.findall(r"\S+(?:\s\S+)*", string1)
['abcd', 'efgh', 'a. abcd', 'b efgh ijkl']

否则，使用多于2个空格分割就简单多了：

>>> string1 = "abcd    efgh   a. abcd   b efgh ijkl"
>>> print re.split(r"\s{2,}", string1)
['abcd', 'efgh', 'a. abcd', 'b efgh ijkl']

【讨论】：

为什么不只是 re.findall("\S+(?:\s\S+)*") ？此外，在这里原始字符串完全没有用，因为所有反斜杠都旨在被重新编译器解释为元字符，而不是简单的反斜杠字符。
@eyquem 因为re.findall() 接受 2 到 3 个参数？你试过运行re.findall("\S+(?:\s\S+)*")吗？如果我这样做，我会得到一个错误。并且使用原始字符串是一种习惯，以便在需要以其他方式解释反斜杠时避免错误。
我显然忘了写第二个参数：re.findall("\S+(?:\s\S+)*",string1)
@eyquem，所有 python 正则表达式都应该使用原始字符串，句点。专家一直使用原始字符串作为正则表达式，因为它们已经被咬了足够多的时间才能更好地了解。初学者不使用原始字符串，因为他们不知道更好。当您看到使用原始字符串和标志“xms”的正则表达式时，这很好地表明程序员不是初学者。 Jerry- 围绕整个正则表达式的非捕获组不做任何事情。当您需要使用量词修改整个组但不需要捕获组时，使用非捕获组。
嘿，Jerry，关于标志——perl 在正则表达式方面是宇宙的中心，在 perl 中，高级正则表达式用户通过始终指定默认情况下为“xms”标志。这就像 python 中的 r"" 约定——你只是作为一种反射来做。它是否真的影响当前的正则表达式并不重要。维护也是正则表达式的一个考虑因素，如果你总是添加 r"" 和 /xms，那么无论它里面有什么，正则表达式都会以相同的方式运行。