logo标签列表

Python split() 不删除分隔符

pythonsplitdelimiter
129

这段代码几乎实现了我所需要的功能..

for line in all_lines:
    s = line.split('>')

除了它会删除所有“>”分隔符之外。

因此，

<html><head>

转换为

['<html','<head']

有没有一种方法可以使用split()方法，但是保留分隔符而不是删除它？

通过这些结果..

['<html>','<head>']
23
这并不是直接回答你的问题，但如果你想在Python中解析HTML，我强烈推荐使用Beautiful Soup。 - Michael Mior
2
请参考在Python中如何分割字符串并保留分隔符？。 - outis
10
应该重新开放这个问题。重复的那个问题只针对正则表达式。 - orestisf
2
@orestisf 另外，“重复”问题的答案与此不同。 ['<html'，'>'，'<head'，'>'，''] 不同于 ['<html>'，'<head>']。我知道已经过了几个月，但我刚刚投票重新开放。如果你也这样做，其他人可能会接手完成它？ - user1717828
1
使用re.split(r"(?<=>(?!$))", '<html><head>')可以直接得到答案。这样可以通过正则表达式的断言进行处理。 - dgor
这个问题包含一个明显的错误："<html><head>".split(">")会产生三个字符串，分别是['<html','<head', ""]，而不是列表['<html','<head']。 - undefined
4个回答
77
d = ">"
for line in all_lines:
    s =  [e+d for e in line.split(d) if e]
12
可以正常工作…但我并不完全理解发生了什么。 - some1
7
它基本上遍历拆分结果并添加分隔符。 "s是一个列表，其中该列表中的每个元素都是e + d，其中e是line.split(d)的结果中的元素，但仅当e不为空时。" - JHixson
14
这将在结果列表的所有元素之间添加分隔符，即使是仅包含一个元素且没有分隔符的单元素列表也会如此。如果仅想要在拆分后的第一个元素末尾添加分隔符怎么办？ - The Pied Pipes
20
这很粗糙。如果字符串是"a.b."或".a.b."并按"."分割会怎样？ - thang
5
这将在字符串末尾添加一个分隔符，即使原始字符串末尾不存在分隔符。 - Vijayendra
显示剩余5条评论
38

如果您正在使用字符串分割解析HTML，则很可能做错了，除非您编写的是针对固定和安全内容文件的一次性脚本。如果它应该适用于任何HTML输入，那么您将如何处理类似于<a title='growth > 8%' href='#something'>这样的内容？

无论如何，以下方法适合我：

>>> import re
>>> re.split('(<[^>]*>)', '<body><table><tr><td>')[1::2]
['<body>', '<table>', '<tr>', '<td>']
如果您不确定所讨论的字符串是否以所需的分隔符结尾，似乎可以这样做：re.split("(.*\n?)", "my\nstr\ning")[1::2]。 - Seth Robertson
如果你想解析HTML，应该去https://automatetheboringstuff.com/2e/chapter12/阅读这一章节。它包含了关于解析HTML和网页抓取的所有必要知识。如果这个链接失效了，可以考虑使用requests、beautifulsoup和selenium库。 - zicameau
22
这样怎么样？
import re
s = '<html><head>'
re.findall('[^>]+>', s)
1

只需将其拆分，然后对于数组/列表中的每个元素（除了最后一个），在其后添加一个尾随的">"。

3
那么对于 ">>" 的情况，它只会变成 ">"。 - paulm
@paulm 不行，因为像"<html>>body".split('>')这样分割两个>会在中间创建一个空元素["<html", "", "body"]。除非你想要多个>在处理后仅生成单个>，那么您可以先删除这些空字符串。 - yyny
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接