博客

python re.split函数

  • Post category:Python

当我们处理字符串的时候，有时候需要根据一定规则来分割字符串。Python提供了re模块来进行正则表达式操作，其中re.split()函数可以根据正则表达式分割字符串。下面是对python re.split函数的详细介绍：

re.split函数用法

re.split() 函数用于通过正则表达式切分字符串。该函数和Python字符串自带的split函数有些类似，但是可以使用正则表达式进行更加灵活的切分操作。

函数格式

re.split(pattern, string, maxsplit=0, flags=0)

参数说明：
– pattern： 正则中的模式字符串。
– string： 要被切分的字符串。
– maxsplit： 最大分割数，可以指定这个参数，默认为 0，表示分割所有匹配的子串，并返回一个列表。
– flags： 正则表达式使用时的控制标记，请参考详细的正则表达式语法部分。

返回值

该方法返回分割后生成的字符串的列表。

下面是一个例子：

import re

text = "The quick brown fox jumps over the lazy dog"

# 使用空格分割字符串
result = re.split(" ", text)

# 输出切分的结果
print(result)

输出：

['The', 'quick', 'brown', 'fox', 'jumps', 'over', 'the', 'lazy', 'dog']

在上面的例子中，我们使用空格正则表达式切割了输入的字符串，将结果存储在result列表中并输出结果。

下面我们再举一个例子，这次我们使用“-”来分割字符串：

import re

text = "The-quick-brown-fox-jumps-over-the-lazy-dog"

# 使用-分割字符串
result = re.split("-", text)

# 输出切分的结果
print(result)

输出：

['The', 'quick', 'brown', 'fox', 'jumps', 'over', 'the', 'lazy', 'dog']

re.split()函数案例应用

re.split() 函数可以方便地对单词进行切割，切割出来的单词列表可以用于统计单词出现次数、生成单词云等应用场景。可以看下面一个案例：

import re

text = "Python is an interpreted, high-level, general-purpose programming language.\
        Created by Guido van Rossum and first released in 1991, Python's design philosophy\
        emphasizes code readability with its notable use of significant whitespace."

# \W+ 使用除了字母、数字、下划线以外的字符作为分隔符
words = re.split("\W+", text)

# 统计单词出现次数
word_count = {}
for word in words:
    if not word:
        continue
    word_count[word] = word_count.get(word, 0) + 1

# 按照单词出现次数降序排序
sorted_count = sorted(word_count.items(), key=lambda x:x[1], reverse=True)

# 输出排序后的结果
for word, count in sorted_count:
    print(word, count)

输出：

Python 1
is 1
an 1
interpreted 1
high 1
level 1
general 1
purpose 1
programming 1
language 1
Created 1
by 1
Guido 1
van 1
Rossum 1
and 1
first 1
released 1
in 1
1991 1
s 1
design 1
philosophy 1
emphasizes 1
code 1
readability 1
with 1
its 1
notable 1
use 1
of 1
significant 1
whitespace 1

在上面的例子中，我们首先使用“\W+”正则表达式切割了输入的字符串，并将结果存储在变量words中。然后，我们统计了每个单词的出现次数，并按照单词出现次数降序排序输出。

Tags: