8. 拆分含有多种分隔符的字符串

梦里梦外; 2024-04-19 00:00 78阅读 0赞

例如，某个字符串包含多种不同的分隔符，如：

s = 'ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz'

其中`,`、`;`、`|`、`\t`都是分隔符号。

要求：把该字符串根据分隔符号拆分不同的字段。

解决方案：

1.  连续使用字符串的`split()`方法，每次处理一种分隔符号；
2.  使用正则表达式的`re.split()`方法（推荐）。

--------------------

*  对于`split()`方法：

t = ''
    t.split(sep, maxsplit)

返回一个字符串中单词组成的列表，使用`sep`作为分隔符字符串。

`sep`表示用来分割字符串的分隔符，None(默认值)表示根据任何空格进行分割；`maxsplit`表示最大分割次数，-1(默认值)表示没有限制。

*  对于`extend()`方法：

t = []
    t.extend(iterable)

`extend()`方法用于在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表），可将多维列表转换为一维列表。

*  对于`sum()`方法：

`sum()`用于求和，iterable, start)

`sum()`用于求和，默认`start=0`。对于一个多维列表，可以将`start=[]`，这样可以得到一个一维列表。

--------------------

*  方案1示例：

s = 'ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz'
    
    def my_split(s, seps):
        res = [s]
        for sep in seps:
            t = []
            list(map(lambda ss: t.extend(ss.split(sep)), res))
            res = t
        return res
    
    answer = my_split(s, ',;|\t')
    print(answer)
    
    ['ab', 'cd', 'efg', 'hi', 'jkl', 'mn', 'opq', 'rst', 'uvw', 'xyz']              #结果

上面的方法可行，但使用reduce更为简单。

from functools import reduce
    
    s = 'ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz'
    
    def my_split(s, seps):
        res = reduce(lambda t, sep: sum(map(lambda ss: ss.split(sep), t), []), seps, [s])
        return res
    
    answer = my_split(s, ',;|\t')
    print(answer)
    
    ['ab', 'cd', 'efg', 'hi', 'jkl', 'mn', 'opq', 'rst', 'uvw', 'xyz']              #结果

--------------------

*  方案2示例：

import re
    
    s = 'ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz'
    
    answer = re.split('[,;|\t]+', s)
    print(answer)
    
    ['ab', 'cd', 'efg', 'hi', 'jkl', 'mn', 'opq', 'rst', 'uvw', 'xyz']              #结果

可以看到，在处理多种分隔符时，方案2比方案1更为简便。当然，对于单个分隔符的处理，建议使用`split()`方法而不是`re.split()`方法。

--------------------