Python 什么'；使用空格或标点符号作为分隔符，将unicode字符串拆分为列表的快速方法是什么？

印刷品

 # -*- coding: utf-8 -*-
 import string
 s = u"Dobre uczynki są jak dobre poematy. Można łatwo uchwycić, ku czemu zmierzają, lecz nie zawsze da się je racjonalnie wytłumaczyć."
 exclude = set(string.punctuation)
 s = ''.join(ch for ch in s if ch not in exclude)
 s = s.split()
 print s

它似乎不仅不雅，而且慢

你能找到更好的解决办法吗？也许使用正则表达式？

使用

当然，您可以使用更具体的正则表达式，但这一个似乎符合要求

请注意，

flags

参数适用于python 2.7+。如果您使用的是早期版本，只需使用

'\W+（？u）

作为正则表达式。

这样就可以了。（我承认我还没有测试过它）

编辑：不要用我的。马哈茂德·阿卜杜勒卡德（Mahmoud Abdelkader）的上述答案更好。

如果需要重复使用正则表达式并使用

---

我会使用nltk，原因如下：

import string
import re

s = u"Dobre uczynki są jak dobre poematy. Można łatwo uchwycić, ku czemu zmierzają, lecz nie zawsze da się je racjonalnie wytłumaczyć."
regex = re.compile(r'[%s\s]+' % re.escape(string.punctuation))
print regex.split(s)

---

Regex:22.7673070431 nltk:16.1646370888

的可能重复项，或者他/她可以使用re.compile（）编译正则表达式，并让它接受flags参数。很好地抓住了“\W+”！向上投票作为我的解决方案，虽然更紧凑，但不考虑其中包含数字的字符串。@zarkdav:您的解决方案正确地拆分了“Mary had 1 lamb”或“我在EuroScipy2010”，因此我向上投票了您的解决方案。：）我测试了，但我没有回答。。。！

# -*- coding: utf-8 -*-
import re
s = u"Dobre uczynki są jak dobre poematy. Można łatwo uchwycić, ku czemu zmierzają, lecz nie zawsze da się je racjonalnie wytłumaczyć."
print re.split('\W+', s, flags=re.UNICODE)

import re, string
s = 'your string ...'
re.split('\s'+''.join(string.punctuation), s)

import string
import re

s = u"Dobre uczynki są jak dobre poematy. Można łatwo uchwycić, ku czemu zmierzają, lecz nie zawsze da się je racjonalnie wytłumaczyć."
regex = re.compile(r'[%s\s]+' % re.escape(string.punctuation))
print regex.split(s)

# coding: utf-8
from time import time
import nltk
import string
import re


def bench(n,s):
    start_1 = time()
    regex = regex = re.compile(r'[%s\s]+' % re.escape(string.punctuation))
    for i in xrange(n):
        regex.split(s)
    stop_1 = time()
    start_2 = time()
    for i in xrange(n):
        nltk.wordpunct_tokenize(s)
    stop_2=time()
    print "Regex: {} nltk:{}".format((stop_1-start_1),(stop_2-start_2))


bench(1000000, u"Dobre uczynki są jak dobre poematy. Można łatwo uchwycić, ku czemu zmierzają, lecz nie zawsze da się je racjonalnie wytłumaczyć.")