如何拆分含有多种分隔符的字符串

实际案例

我们要把某个字符串依据分隔符号拆分不同的字段，该字符串包含多种不同的分隔符，例如：
　　s='ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz'
其中<,>, <;>, <|>, <\t>都是分隔符号，如何处理？

解决方案：

• 连续使用str.split()，每一次处理一种分隔符号；
• 使用正则表达式的re.split()，一次性拆分字符串。

我们先使用方法一看看处理效果是否满足实际案例需求，其代码如下所示：

# -*- coding: utf-8 -*-

def mySplit(s, ds):
    
    res = [s]

    for d in ds:
        t = []
        map(lambda x: t.extend(x.split(d)), res)
        res = t
        
    return res

if __name__ == "__main__":

    s = 'ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz'
    print mySplit(s, ';,|\t')

其输出结果为：

['ab', 'cd', 'efg', 'hi', 'jkl', 'mn', 'opq', 'rst', 'uvw', 'xyz']

虽然，我们将分隔符号给处理掉了， 但如果有两个连续的分隔符号，这种方法就会出现异常，如：s='ab;cd|efg|hi,,;jkl|mn\topq;rst,uvw\txyz'，其运行结果如下：

['ab', 'cd', 'efg', 'hi', '', '', 'jkl', 'mn', 'opq', 'rst', 'uvw', 'xyz']

我们会发现结果列表中多出两个空字符。假设我们需要不含空字符的结果列表，那么我们又要对结果列表中的空字符进行处理，其代码如下：

def mySplit(s, ds):
    
    res = [s]

    for d in ds:
        t = []
        map(lambda x: t.extend(x.split(d)), res)
        res = t
        
    return [x for x in res if x]

其输出结果为：

['ab', 'cd', 'efg', 'hi', 'jkl', 'mn', 'opq', 'rst', 'uvw', 'xyz']

因此， 我们这里推荐采用方法二对分隔符进行处理，其代码如下：

# -*- coding: utf-8 -*-

import re

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

print re.split(r'[,;\t|]+', s)

其输出结果为：

['ab', 'cd', 'efg', 'hi', 'jkl', 'mn', 'opq', 'rst', 'uvw', 'xyz']

注：代码中字符串前添加r时为了防止'\t'这种转义字符被转义。关于正则表达式部分此处不详细说明，如有兴趣可参考菜鸟教程网。

通过上述两个方法，我们可以了解到：当我们处理单个分隔符时，推荐使用str.split()；当我们对多个分隔符进行处理时，推荐使用re.split()。