如何在Python中使用正则表达式拆分

Question

我有这种类型的字符串

"Cat/Wheat , Com, Ogl/oyher Face Express/Star,"

我想要这样

["Cat,Wheat,Com,Ogl,oyher,Face,Express,Star"]

基本上在“，”和“ /”处分割

我尝试使用拆分功能，但为此我不得不使用双forloop不太有效

我做了一些研究，发现正则表达式

re.split('\W+',string , 1)

但这不起作用，我应该添加什么到过滤器

Answer 1

目前尚不清楚为什么要在split()中添加maxsplit参数1以防止它拆分所需的所有内容。

没有它，您将得到：

> import re
> s = "Cat/Wheat , Com, Ogl/oyher Face Express/Star,"
> re.split(r'\W+', s)
['Cat', 'Wheat', 'Com', 'Ogl', 'oyher', 'Face', 'Express', 'Star', '']

最后，这真是令人难以置信的空荡荡。 您可以过滤掉它，但是您可能更re.findall()来匹配您想要的内容，而不是拆分不需要的内容：

> import re
> s = "Cat/Wheat , Com, Ogl/oyher Face Express/Star,"
> re.findall(r'\w+', s)
['Cat', 'Wheat', 'Com', 'Ogl', 'oyher', 'Face', 'Express', 'Star']

要获得一个逗号分隔的字符串（如果要这样做），可以加入：

> import re
> s = "Cat/Wheat , Com, Ogl/oyher Face Express/Star,"
> ",".join(re.findall(r'\w+', s))
'Cat,Wheat,Com,Ogl,oyher,Face,Express,Star'

Answer 2

>> import re

>> data = "Cat/Wheat , Com, Ogl/oyher Face Express/Star,"

>> words = re.findall(r"[\w']+", data)

>> print(words)
['Cat', 'Wheat', 'Com', 'Ogl', 'oyher', 'Face', 'Express', 'Star']

Answer 3

如果您在计时之后，最好进行一系列Python字符串操作：

def multisplit(s, splits=('/', ','), base_split=' '):
    for split in splits:
        s = s.replace(split, base_split)
    return s.split() if not base_split.split() else list(filter(bool, s.split(base_split))

或者，甚至更快（对于稍大的输入）：

def multisplit2(s, splits=('/', ','), base_split=' '):
    s = functools.reduce(lambda t, r: t.replace(s, base_split), splits, s)
    return s.split() if not base_split.split() else list(filter(bool, s.split(base_split))

与基于re的解决方案的快速比较表明，所建议方法的速度提高了5到10倍：

import re


def re_findall(s):
    return re.findall(r"[\w']+", s)

def re_split(s):
    return list(filter(bool, re.split('\W+', s)))


s = "Cat/Wheat , Com, Ogl/oyher Face Express/Star,"
print(re_findall(s))
print(re_split(s))
print(multisplit(s))
# ['Cat', 'Wheat', 'Com', 'Ogl', 'oyher', 'Face', 'Express', 'Star']

%timeit re_findall(s)
# 2.54 µs ± 9.14 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit re_split(s)
# 3.05 µs ± 6.54 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit multisplit(s)
# 631 ns ± 10.8 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit multisplit2(s)
# 908 ns ± 12 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit re_findall(s * 1000)
# 1.55 ms ± 5.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit re_split(s * 1000)
# 1.96 ms ± 10.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit multisplit(s * 1000)
# 222 µs ± 7.34 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit multisplit2(s * 1000)
# 149 µs ± 1.72 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)