Python字符串分割

Question

我有一个输入字符串，如下：a1b2c30d40，我希望将它分解为：a, 1, b, 2, c, 30, d, 40。

我知道我可以逐个字符地读取，并跟踪前一个字符以确定是否应该对其进行标记化（两个数字连续在一起意味着不要对其进行标记化），但是有没有更符合Python语言特性的方法呢？

- Hery

Answer 1

>>> re.split(r'(\d+)', 'a1b2c30d40')
['a', '1', 'b', '2', 'c', '30', 'd', '40', '']

关于这个模式：正如注释所说，\d 表示“匹配一个数字”，+ 是一个修饰符，表示“匹配一个或多个”，因此 \d+ 表示“尽可能匹配多的数字”。整个模式被放入了一个组 () 中，在 re.split 的上下文中，意思是“使用尽可能多的数字作为分隔符来拆分该字符串，并将匹配到的分隔符捕获到结果中”。如果省略了这个组，你会得到['a', 'b', 'c', 'd', '']。

- Cat Plus Plus

---

我不太理解正则表达式。你介意解释一下 (\d+) 模式吗？ - Hery

它会根据数字/连续数字进行分割（\d代表0-9，+代表一个或多个）。 - user395760

+1：但我认为最好使用原始字符串来处理正则表达式。 - 6502

@6502：只有在模式中存在任何Python解释的转义字符（例如\n或\t）时才会有影响（以避免在其中转义\\）。 - Cat Plus Plus

@Piotr: 我知道……但我认为如果使用原始字符串，你的答案会更具指导性，有两个原因：1）就我的经验而言，如果转义代码无效，Python将保留反斜杠在字符串中的事实常常令人惊讶：open("c:\zer\woob.dat")可以工作，但open("c:\temp\buf.dat")却不行。2）比\t和\n更多特殊字符存在，特别是\b是其中之一，而r'\b'则是正则表达式中的特殊字符。通过使用那个花式的r'(\d+)'，读者可能会花时间阅读有关转义问题的内容...... - 6502

@Piotr：在正则表达式中，你完全可以始终使用原始字符串。 - John Machin