Python 将带有正则表达式的文本解析到结果为空字符串的列表中

我正试图把一个字符串分解成几个字

    def breakup(text):
        temp = []
        temp = re.split('\W+', text.rstrip())   
        return [e.lower() for e in temp]

字符串示例：

什么是黄色、白色、绿色和凹凸不平的？穿着燕尾服的泡菜

结果：

[“什么”、“s”、“黄色”、“白色”、“绿色”、“凹凸”、“a”、“泡菜”、“穿着”、“a”、“燕尾服”]

但是当我传递一根像

锁匠和打字机有什么相似之处？他们都有很多钥匙

['how'，'is'，'a'，'lockmith'，'like'，'a'，'typewriter'，'this'，'two'，'have'，'a'，'lot'，'of'，'keys'，''.]

我想以一种不会在列表中得到空字符串的方式进行解析

传递的字符串将包含标点符号等。任何想法。

只要更改即可

return [e.lower() for e in temp]

到

---

还有，线路

temp = []

---

不需要，因为您从不使用登录到

temp

的空列表，为什么不在列表中检查此项

return [e.lower() for e in temp if len(e) > 0]

或者是那些书呆子

return [e.lower() for e in temp if e]

---

搜索你想要的东西怎么样：

[ s.lower() for s in
  re.findall(r'\w+',
    "How is a locksmith like a typewritter? They both have a lot of keys!") ]

或者只构建一个列表：

[ s.group().lower() for s in
  re.finditer(r'\w+',
    "How is a locksmith like a typewritter? They both have a lot of keys!") ]

这项工作：

txt='''\
What's yellow, white, green and bumpy? A pickle wearing a tuxedo
How is a locksmith like a typewritter? They both have a lot of keys!'''

import re

for line in txt.splitlines():
    print [word.lower() for word in re.findall(r'\w+', line) if word.strip()]

印刷品：

['what', 's', 'yellow', 'white', 'green', 'and', 'bumpy', 'a', 'pickle', 'wearing', 'a', 'tuxedo']
['how', 'is', 'a', 'locksmith', 'like', 'a', 'typewritter', 'they', 'both', 'have', 'a', 'lot', 'of', 'keys']

你可以做：

'How is a locksmith <blah> a lot of keys!'.rstrip('!?.').split()

“锁匠怎么会有这么多钥匙！”。rstrip（“！？”）.split（）

在您的特殊情况下：

def breakup(text):
    temp = []
    temp = re.split('\W+', text.rstrip())   
    return [e.lower() for e in temp if e]

更普遍的解决办法是：

>>> re.findall('\w+', 'How is a locksmith like a typewritter? They both have a lot of keys!') 
>>> ['How', 'is', 'a', 'locksmith', 'like', 'a', 'typewritter', 'They', 'both', 'have', 'a', 'lot', 'of', 'keys']

---

+1这比拆分然后过滤更简单。谢谢你的回答。是的，我发现

\W

很奇怪。但可能OP需要拆分而不是搜索（这可能只是一个简化的例子）。在这种情况下，findall似乎确实比split更合适。预期的结果是一个包含标记化或解析文本的列表，那么finall为什么比split好呢？“if len（e）>0”不是pythonic，“if e”会是enough@DmitryVakhrushev考虑到这个问题，我想知道新手是否可以通过更明确地了解你的答案，从而从理解引擎盖下发生的事情中获益。教新手坏习惯是一种坏习惯。@DmitryVakhrushev我看不出

len（e）

是一种坏习惯。关于这里正在发生的事情，它更为明确，但绝不是不正确的。谢谢你的回答。我想知道我应该选择你的还是JaredPar。正如他提到的len表示空字符串一样？没有必要使用

len

，因为空字符串本身就是falsy（这是一个单词吗？）。我建议使用

findall

而不是

split

。Use应该接受他的回答IMHO。预期的结果是一个包含标记化或解析文本的列表，那么为什么finall比split好呢？我认为这更清楚一点，因为在运行正则表达式后，您不需要过滤（除非您想在除空格之外的其他内容上进行拆分）。OTHO，代码很简单，它可能归结为你个人的喜好，你应该使用哪一个。谢谢你的回答。谢谢你的回答。谢谢你的回答。

>>> re.findall('\w+', 'How is a locksmith like a typewritter? They both have a lot of keys!') 
>>> ['How', 'is', 'a', 'locksmith', 'like', 'a', 'typewritter', 'They', 'both', 'have', 'a', 'lot', 'of', 'keys']