通过 \t 分割字符串的棘手方法答案

【问题标题】：Tricky way to split string by \t通过 \t 分割字符串的棘手方法
【发布时间】：2019-04-30 06:10:12
【问题描述】：

这样的字符串：

x = dir\tsubdir1\t\tfile1.ext\t\tsubsubdir1\tsubdir2\t\tsubsubdir2\t\t\tfile2.ext

如何将上面的字符串“pythonish/tricky”拆分成列表？

dir
\tsubdir1
\t\tfile1.ext
\t\tsubsubdir1
\tsubdir2
\t\tsubsubdir2
\t\t\tfile2.ext

['dir', '\tsubdir1', '\t\tfile1.ext', '\t\tsubsubdir1', '\tsubdir2', '\t\tsubsubdir2', '\t\t\tfile2.ext']

概念证明：

x = r'dir\tsubdir1\t\tfile1.ext\t\tsubsubdir1\tsubdir2\t\tsubsubdir2\t\t\tfile2.ext'
y = x.split(r'\t')
print(y)

【问题讨论】：

x.replace("\t"," ").split()
@kantal 会丢失所有 \t - 不丢失它们是重点
@Patrick Artner 你是对的:-)

标签： python string python-3.x python-2.7 split

【解决方案1】：

也许使用正则表达式？

>>> import regex
>>> L = regex.split(r"(?<!\t)\t", "dir\tsubdir1\t\tfile1.ext\t\tsubsubdir1\tsubdir2\t\tsubsubdir2\t\t\tfile2.ext")
>>> L
['dir', 'subdir1', '\tfile1.ext', '\tsubsubdir1', 'subdir2', '\tsubsubdir2', '\t\tfile2.ext']
>>> L[:1] + ['\t' + i for i in L[1:]]
['dir', '\tsubdir1', '\t\tfile1.ext', '\t\tsubsubdir1', '\tsubdir2', '\t\tsubsubdir2', '\t\t\tfile2.ext']

它是如何工作的？

正则表达式是

(?<!\t)\t

这意味着“一个标签之前没有另一个标签”，因此标签序列中的每个第一个标签都由正则表达式匹配。然后将其用作分割标记。

拆分后，从每个后续项目中剥离一个选项卡，因此最后一行 L[:1] + ['\t' + i for i in L[1:]] 将丢失的选项卡放在前面。

【讨论】：

【解决方案2】：

您可以通过触摸 path 输入的每个字符一次 + 一些列表组合来做到这一点：

path = "dir\tsubdir1\t\tfile1.ext\t\tsubsubdir1\tsubdir2\t\tsubsubdir2\t\t\tfile2.ext"

l = [[]]
for c in path:
    if c != "\t":              # append to last element of list if not a \t
        l[-1].append(c)
    elif l[-1][-1] == "\t":    # also append to last element of list if it's last is a \t
        l[-1].append(c)        # (you could 'or' it into the if before)
    else:
        l.append([])           # else create a new "word" and append the \t
        l[-1].append(c)

l = [''.join(elem) for elem in l]   # join the things back together
print(l)

输出：

['dir', 
 '\tsubdir1', 
 '\t\tfile1.ext', 
 '\t\tsubsubdir1', 
 '\tsubdir2',
 '\t\tsubsubdir2', 
 '\t\t\tfile2.ext']

在加入步骤之前，累积的列表如下所示：

[['d', 'i', 'r'], 
 ['\t', 's', 'u', 'b', 'd', 'i', 'r', '1'], 
 ['\t', '\t', 'f', 'i', 'l', 'e', '1', '.', 'e', 'x', 't'], 
 ['\t', '\t', 's', 'u', 'b', 's', 'u', 'b', 'd', 'i', 'r', '1'], 
 ['\t', 's', 'u', 'b', 'd', 'i', 'r', '2'], 
 ['\t', '\t', 's', 'u', 'b', 's', 'u', 'b', 'd', 'i', 'r', '2'], 
 ['\t', '\t', '\t', 'f', 'i', 'l', 'e', '2', '.', 'e', 'x', 't']]

您不想添加到字符串，因为它会创建大量中间“丢弃”字符串实例，这会减慢速度 - 使用列表更快且压力更小。

【讨论】：

【解决方案3】：

import re

x = 'dir\tsubdir1\t\tfile1.ext\t\tsubsubdir1\tsubdir2\t\tsubsubdir2\t\t\tfile2.ext'

s = re.sub('([^\t])\t', '\\1\n\t', x).split('\n')

print(s)

输出：

['dir', '\tsubdir1', '\t\tfile1.ext', '\t\tsubsubdir1', '\tsubdir2', '\t\tsubsubdir2', '\t\t\tfile2.ext']

【讨论】：

我很好奇谁以及为什么对一个明显正确的答案投反对票。

【解决方案4】：

另一个使用 findall() 的正则表达式解决方案：

x = dir\tsubdir1\t\tfile1.ext\t\tsubsubdir1\tsubdir2\t\tsubsubdir2\t\t\tfile2.ext
re.findall(r"\t+[^\t]+|[^\t]+",x)                                                                                     
Out: 
['dir',
 '\tsubdir1',
 '\t\tfile1.ext',
 '\t\tsubsubdir1',
 '\tsubdir2',
 '\t\tsubsubdir2',
 '\t\t\tfile2.ext']

【讨论】：