Python在多个分隔符上的split函数是否存在bug？

Question

我正在查看之前提出的问题的回答：如何使用多个分隔符拆分字符串？ 对于我面临的这个问题，我想根据一组特定字符以外的所有内容进行拆分。这使我找到了一种我喜欢的解决方案，但后来我发现了这个明显的 bug。这是一个 bug 还是我不熟悉的 Python 奇怪行为？

>>> b = "Which_of'these-markers/does,it:choose to;split!on?"
>>> b1 = re.split("[^a-zA-Z0-9_'-/]+", b)
>>> b1
["Which_of'these-markers/does,it", 'choose', 'to', 'split', 'on', '']

我不理解为什么它不会根据逗号（','）进行分割，因为逗号并不在我的例外列表中？

- dipankar

---

可能是因为'-/被解释为范围。 - Rahul

Answer 1

在字符类中，'-/ 创建了一个范围，其中包含逗号:

当您需要在Python的re模式中放置一个字面连字符时，请将其放置在：

• 开头：[-A-Z]（匹配大写ASCII字母和 -）
• 结尾：[A-Z()-]（匹配大写ASCII字母、(, ) 或 -）
• 在有效范围之后：[A-Z-+]（匹配大写ASCII字母、- 或 +）
• 或者只需转义它。

您不能将其放置在简写后，并紧接着一个独立的符号（如[\w-+]），否则会导致bad character range错误。这在.NET和其他一些正则表达式中是有效的，但在Python的re中无效。

将连字符放在末尾或进行转义。

使用

re.split(r"[^a-zA-Z0-9_'/-]+", b)

在Python 2.7中，你甚至可以将其缩减为

re.split(r"[^\w'/-]+", b)

- Wiktor Stribiżew

---

不知道像\w这样的东西在[]里也能用。谢谢！ - Mad Physicist

啊，谢谢！回想起来很明显，但我没想到！ :) - dipankar

我在Python的re模式中添加了一些需要注意的事项，当将一个字面上的-放入字符类中时。虽然这些信息可以在SO上找到，但它们似乎分散在不同的答案中。 - Wiktor Stribiżew

Answer 2

“-'/”被解释为范围，其ASCII值从39到47，包括ASCII值为44的“，”。您必须将“-”放在字符类的开头或末尾。

- Rahul