python - 为什么 Python 的 `re.split()` 不在零长度匹配上拆分？

Question

Python 中(否则相当强大的)re 模块的一个特别的怪癖是 re.split() will never split a string on a zero-length match ，例如，如果我想沿单词边界拆分字符串:

>>> re.split(r"\s+|\b", "Split along words, preserve punctuation!")
['Split', 'along', 'words,', 'preserve', 'punctuation!']

代替

['', 'Split', 'along', 'words', ',', 'preserve', 'punctuation', '!']

为什么会有这个限制？是设计使然吗？其他正则表达式风格是否表现得像这样？

Answer 1

这是一个已经做出的设计决定，并且可以采用任何一种方式。蒂姆·彼得斯制作 this post解释:

For example, if you split "abc" by the pattern x*, what do you expect? The pattern matches (with length 0) at 4 places, but I bet most people would be surprised to get

['', 'a', 'b', 'c', '']

back instead of (as they do get)

['abc']

但也有人不同意他的看法。吉多范罗森 doesn't want it changed由于向后兼容性问题。他做了say :

I'm okay with adding a flag to enable this behavior though.

编辑:

有一个workaround Jan Burgy 发表:

>>> s = "Split along words, preserve punctuation!"
>>> re.sub(r"\s+|\b", '\f', s).split('\f')
['', 'Split', 'along', 'words', ',', 'preserve', 'punctuation', '!']

其中 '\f' 可以替换为任何未使用的字符。