Python 字符串拆分说明

分钟阅读

字符串操作是 Python 的一项基本技能，了解如何拆分字符串是其中的一个关键方面。在本综合指南中，我们将探讨拆分字符串的各种方法和技术，包括 and 函数、正则表达式 （regex） 和高级拆分技术。在本教程结束时，您将深入了解如何在 Python 中处理字符串拆分。split()rsplit()

为什么要拆分字符串？

字符串拆分是根据特定条件将字符串分解为较小部分的过程。这对于各种任务非常有用，例如数据处理、文本分析和解析结构化数据格式（如 CSV 或 JSON）。Python 提供了几种方法和工具来轻松执行字符串拆分。

拆分方法概述

Python 提供了几种拆分字符串的技术：

• split()：使用指定的分隔符（默认：空格）将字符串拆分为子字符串。
• rsplit()：从右端拆分字符串。
• 正则表达式 （regex）：提供强大的基于模式的拆分。
• 高级技术：针对特定拆分用例的自定义方法。

在本指南中，我们将深入探讨每种技术，并提供示例和用例以深入了解。

基本字符串拆分split()

按空格拆分

该方法是基于空格将字符串拆分为单词的最常见方法。让我们看一个例子。split()

st = "Python is a versatile programming language."
words = st.split()
print(words)

上面的代码将给出以下结果。

['Python', 'is', 'a', 'versatile', 'programming', 'language.']

默认情况下， 使用一个或多个空格字符分隔字符串。split()

按特定字符拆分

您可以通过将字符串作为参数发送到 split（） 函数来按特定字符拆分字符串。让我们尝试实际地做到这一点。

csv_data = "apple,banana,cherry,grape"
fruits = csv_data.split(',')
print(fruits)

运行代码后，它会给出以下输出。

['apple', 'banana', 'cherry', 'grape']

这对于解析 CSV 文件和其他结构化数据特别有用。

将 Python 字符串拆分为单词

要将字符串拆分为单个单词，请使用不带参数的 Python。为了说明这一点，我们举了一个简单的例子。split()

sentence = "Python is a versatile programming language."
words = sentence.split()
print(words)

当您运行此代码时，它将给出以下结果。

['Python', 'is', 'a', 'versatile', 'programming', 'language.']

这是处理自然语言处理 （NLP） 任务时的常见操作。

拆分为数字数组

如果字符串包含由特定字符分隔的数字，则可以将其拆分并将子字符串转换为数字数组。按照以下示例清楚地理解它。

num_str_prime = "7, 13, 17, 19, 23"
num_list = [int(n) for n in num_str_prime.split(',')]
print(num_list)

您将在执行时获得以下输出。

[7, 13, 17, 19, 23]

在这个例子中，我们首先用逗号分割字符串，然后调用列表推导式将子字符串转换为整数。

高级字符串拆分rsplit()

从右边拆分 Python 中的字符串

该方法从右端拆分字符串。让我们借助示例进行演示。rsplit()

filename = "my-file-name.txt"
parts = filename.rsplit('-', 1)

# Split into at most 1 part from the right
print(parts)

运行上述 Python 代码后，它会打印以下内容。

['my-file', 'name.txt']

这在处理具有多次出现的分隔符的文件路径或字符串时很有用，并且您希望从最后一个出现中分离出来。

使用参数maxsplit

我们可以用参数控制最大拆分次数。maxsplit

# Splitting a string into two parts from the right

path = "/home/user/documents/python_guide.pdf"

parts = path.rsplit('/', 1)

print(parts)

这是上述代码段的输出。

['/home/user/documents', 'python_guide.pdf']

该参数将拆分次数限制为指定值。增加其值将按比例增加拆分次数。maxsplit

 

path = "/home/user/documents/python_guide.pdf"
parts = path.rsplit('/', 2)
print(parts)

# ['/home/user', 'documents', 'python_guide.pdf']

基于正则表达式的字符串拆分

正则表达式（通常称为正则表达式）是用于模式匹配和文本操作的强大工具。它们允许您定义复杂的模式并提取与这些模式匹配的子字符串。

要使用正则表达式，您可以导入模块。它具有各种功能来支持Python中的字符串拆分。re

用re.split()

该函数根据 Python 中的正则表达式模式拆分字符串：re.split()

import re


 
text = "Hello, world. Python programming is fun!"

tokens = re.split(r'[,\s]+', text)


print(tokens)

运行后，代码将打印以下结果。

['Hello', 'world.', 'Python', 'programming', 'is', 'fun!']

在此示例中，我们使用正则表达式模式 [，\s]+ 拆分字符串，该模式匹配一个或多个逗号或空格字符。

复杂模式拆分

正则表达式可以处理复杂的拆分方案。例如，用各种标点符号拆分字符串：

import re # Splitting a string by punctuation marks


text = "Hello! World? Python, programming. Is this fun?"

tokens = re.split(r'[!?,.\s]+', text)


print(tokens)

上述程序的输出如下。

['Hello', 'World', 'Python', 'programming', 'Is', 'this', 'fun', '']

此正则表达式模式匹配一个或多个出现的标点符号或空格字符。[!?,.\s]+

使用“后瞻”和“展望”进行拆分

正则表达式允许您使用 和 断言执行更复杂的拆分操作。例如，用空格分隔字符串，但排除双引号内的空格：lookbehindlookahead

import re

# Splitting a string by spaces but not within double quotes
text = 'Python "is great" for "string manipulation".'
tokens = re.split(r'(?

上面的 Python 代码使用模块拆分字符串并打印以下内容。re

['Python', '"is great"', 'for', '"string manipulation".']

在此正则表达式模式中，是否定断言，并且是负前瞻断言，确保双引号内的空格不用于拆分。(?

高级字符串拆分技术

将长字符串拆分为固定长度的块

有时您可能需要将长字符串拆分为固定长度的块。在这种情况下，Python的for loop是你最好的朋友。让我们如何利用它。

 long_string = "1234567890ABCDEFGHIJ"

chunk_size = 4
chunks = [long_string[i:i + chunk_size] for i in range(0, len(long_string), chunk_size)]

print(chunks)

运行上述编码片段后，它会打印以下内容。

['1234', '5678', '90AB', 'CDEF', 'GHIJ']

在此示例中，我们使用列表推导来迭代字符串并将其拆分为指定长度的块。

使用多个分隔符进行拆分

您可以通过将它们组合成正则表达式模式来使用多个分隔符拆分字符串：

import re

text = "Apples, Bananas; Cherries Apples Bananas"
tokens = re.split(r'[ ,;]+', text)

print(tokens)

输出：

['Apples', 'Bananas', 'Cherries', 'Apples', 'Bananas']

在此示例中，正则表达式模式匹配一个或多个出现的空格、逗号或分号。[ ,;]+

剥离和拆分

有时您可能希望在拆分时从子字符串中删除前导和尾随空格。您可以通过在列表推导式中使用该方法来实现此目的：strip()

 
data = "   1,   2,   3,   4,   5   "
numbers = [int(num.strip()) for num in data.split(',')]

print(numbers)

输出：

[1, 2, 3, 4, 5]

本示例先去除每个子字符串的空格，然后再将其转换为整数。

性能注意事项

选择字符串拆分方法时，请考虑以下事项：

时空复杂度

• split()：O（n） 时间复杂度，其中 n 是字符串的长度。它创建一个子字符串列表，因此空间复杂度为 O（n）。
• rsplit()：类似于 split（），但从右端拆分。
• 基于正则表达式的拆分：时间复杂度取决于正则表达式模式的复杂性。简单模式可能具有线性时间复杂度，而复杂模式可能具有更高的时间复杂度。内存使用情况取决于生成的子字符串的数量。

选择正确的方法

• 对于按空格或单个分隔符进行基本拆分，请使用 或 。split()rsplit()
• 对于复杂模式或多个分隔符，请考虑使用 。re.split()
• 如果性能至关重要，并且要拆分大型字符串，请测试和分析代码以选择最有效的方法。

示例和用例

下面是一些在 Python 中拆分字符串的有用示例。准备好你的Python IDE。

另请阅读： 在 Python 中合并多个 CSV 文件

解析 CSV 数据

字符串拆分最常见的用例之一是解析 CSV（逗号分隔值）数据：

import csv

# Parsing CSV data
csv_data = "name,age,email\nRama,30,rama@ramayan.com\nSita,25,sita@ramayan.com"
csv_reader = csv.reader(csv_data.splitlines())
for row in csv_reader:
    print(row)

输出：

['name', 'age', 'email']
['Rama', '30', 'rama@ramayan.com']
['Sita', '25', 'sita@ramayan.com']

在这里，我们将CSV数据拆分为行，然后使用将其解析为行。csv.reader

标记化文本

标记化是自然语言处理 （NLP） 中的关键步骤。它涉及将文本拆分为单词或标记：

import nltk

# Tokenizing text using NLTK (Natural Language Toolkit)
# Please ensure that nlth module is installed

text = "Tokenization is an important NLP task."
tokens = nltk.word_tokenize(text)

print(tokens)

Python 的函数按以下方式拆分字符串。nltk tokenize

['Tokenization', 'is', 'an', 'important', 'NLP', 'task', '.']

在此示例中，我们使用 NLTK 库进行标记化，这比处理自然语言文本的简单字符串拆分更可靠。

从文本中提取网址

在处理网页抓取或文本分析时，从文本块中提取 URL 是一项常见任务：

import re
 
text = "Visit our website at https://www.ramayan.com. For more info, go to http://ramayan.org."
urls = re.findall(r'https?://\S+', text)

print(urls)

执行后，您将获得以下输出。

['https://www.ramayan.com.', 'http://ramayan.org.']

在此示例中，正则表达式模式与 HTTP 或 HTTPS URL 匹配。https?://\S+

另请参阅：Python 中的多行字符串

拆分多行文本

将多行文本拆分为段落或句子对于文本处理任务非常有用。检查以下示例。

 

text = """Paragraph 1: This is the first paragraph.
Paragraph 2: This is the second paragraph.
Paragraph 3: And this is the third paragraph."""
paragraphs = text.split('\n\n')  # Assuming double line breaks between paragraphs

print(paragraphs)

上面的 Python 程序打印以下内容。

['Paragraph 1: This is the first paragraph.',
 'Paragraph 2: This is the second paragraph.',
 'Paragraph 3: And this is the third paragraph.']

在此示例中，我们通过检测双换行符 （） 将文本拆分为段落。\n\n

结论

在 Python 中拆分字符串的各种技术，从基本方法（如）到使用正则表达式和自定义拆分方案的更高级技术。您还探索了实际应用的示例和用例。split()rsplit()

当您处理不同的 Python 项目时，您会遇到各种字符串拆分挑战。您在本指南中获得的知识将使您能够自信地应对这些挑战并操作文本数据。

请记住根据任务的特定要求选择正确的拆分方法，并在处理大型数据集时考虑性能影响。

字符串拆分是任何 Python 程序员的基本技能，掌握它为项目中的数据处理和文本操作开辟了无数的可能性。