Python 使用split（）在不同标点处分割字符串

我试图把字符串分成单词，去掉空格和标点符号

我尝试使用

split（）

方法，一次传递所有标点符号，但结果不正确：

>>> test='hello,how are you?I am fine,thank you. And you?'
>>> test.split(' ,.?')
['hello,how are you?I am fine,thank you. And you?']

---

实际上，我已经知道如何使用正则表达式来实现这一点，但我想知道如何使用

split（）

实现这一点。请不要给我一个正则表达式解决方案。

如果您想基于多个分隔符拆分字符串，如您的示例中所示，您需要使用

re

模块，尽管您有奇怪的反对意见，如下所示：

>>> re.split('[?.,]', test)
['hello', 'how are you', 'I am fine', 'thank you', ' And you', '']

使用

split

可以得到类似的结果，但是您需要为每个字符调用split一次，并且需要迭代上一次分割的结果。这是可行的，但它是u-g-l-y：

>>> sum([z.split() 
... for z in sum([y.split('?') 
... for y in sum([x.split('.') 
... for x in test.split(',')],[])], [])], [])
['hello', 'how', 'are', 'you', 'I', 'am', 'fine', 'thank', 'you', 'And', 'you']

---

这使用

sum（）

将上一次迭代返回的列表展平。

这是我能想到的最好的方法，而无需使用re模块：

"".join((char if char.isalpha() else " ") for char in test).split()

---

由于您不想使用re模块，因此可以使用以下方法：

 test.replace(',',' ').replace('.',' ').replace('?',' ').split()

---

您可以编写一个函数来扩展

.split（）

的用法：

试试看：

>>multi_split（'你好，你好吗？我很好，谢谢。你呢？'、'、.？'））

[‘你好’、‘你好’、‘你’、‘我’、‘很好’、‘谢谢’、‘你’、‘你’]

---

这将更加清晰，并可用于其他情况。

larsks答案的修改版本，您不需要自己键入所有标点符号：

import re, string

re.split("[" + string.punctuation + "]+", test)
['hello', 'how are you', 'I am fine', 'thank you', ' And you', '']

---

为Necroping道歉-此线程作为非正则表达式拆分句子的第一个结果出现。鉴于我必须为我的学生想出一个非Python特定的方法，而且这个线程没有回答我的问题，我想我会与大家分享以防万一

代码的要点是不使用库（而且在大文件上很快）：

输出：

['George', 'Bernard-Shaw', 'was', 'a', 'fine', 'chap', "I'm", 'sure', '-', 'who', 'can', 'really', 'say']

---

我在大约半个小时内写了这篇文章，所以我相信逻辑可以被澄清。我也承认，它可能需要额外的逻辑来正确处理诸如连字符之类的警告，因为它们的使用与倒逗号之类的东西相比是不一致的。是否有任何模块可以正确执行此操作？

保存标点符号或其他分隔符的简单方法是：

import re

test='hello,how are you?I am fine,thank you. And you?'

re.findall('[^.?,]+.?', test)

结果:

['hello,', 'how are you?', 'I am fine,', 'thank you.', ' And you?']

---

也许这可以帮助别人。

所以你坚持用扳手钉钉子，而锤子就在手边。为什么？我不想对OP有任何不尊重，但我认为这类问题应该有一个标签，无论出于何种原因（有时是有效的），适当的工具都会被冷落，它们不时出现。也许

luddism

？试试C#“你好吗？我很好，谢谢。你呢？”.Split（“，？”.tocharray（），StringSplitOptions.removeMptyEntries）；不要让任何人阻止你探索简单文本操作的非正则表达式方法。通过使用字符串方法、itertools.groupby和实际编写函数（！），我们中的一些人几乎从不使用正则表达式，作为交换，我们可以编写漂亮、干净、易于调试的Python.oo，这是另一种方法，尽管它没有使用显式的拆分字符列表……这太棒了。不过，与使用re.split相比，它的效率要低一些。请不要使用

sum（）

来展平列表--。在这种特殊情况下，更是如此，因为a将从一开始就消除展平的必要性。如果您认为替代解决方案更适合问题，欢迎您发布。只要OP没有解释为什么不应使用

re

，我就不会发布答案，因为我还不明白这个问题的目的。不过，我最后一条评论中的第二个链接显示了另一种解决方案。test='您好，你好吗？我很好，谢谢。那么您呢？对于测试中的x：如果不是x.isalpha（）：test=test.replace（x，“”）test=test.split（）打印测试

import re

test='hello,how are you?I am fine,thank you. And you?'

re.findall('[^.?,]+.?', test)

['hello,', 'how are you?', 'I am fine,', 'thank you.', ' And you?']