python - 重新拆分后的空格字符

Question

这是我正在读入的 .txt 文件中的一行，我将其分配给 x:

x = "Wild_lions live mostly in “Africa”"
result = re.split('[^a-zA-Z0-9]+', x)

我最终得到:

['Wild', 'lions', 'live', 'mostly', 'in', 'Africa', ''] # (there's an empty space character as the last element)

为什么最后有一个空格？我意识到我可以只执行 result.remove(' ') 来摆脱空间，但对于大文件，我认为这会非常低效。

Answer 1

你不需要使用这个复杂的正则表达式来分割它，更简单的是:

result = re.split('\s+', x)
result
# ['Wild_lions', 'live', 'mostly', 'in', '“Africa”']

\s+将匹配任意数量的任意空格(制表符、空格、换行符等)。

---

如果您只需要按字母顺序匹配，最好使用 re.compile与 findall .

myre = re.compile('[a-zA-Z]+')
myre.findall(x)
# ['Wild', 'lions', 'live', 'mostly', 'in', 'Africa']