Python正则表达式:拆分模式匹配,这是一个空字符串

Question

使用该re模块,似乎我无法拆分空字符串的模式匹配:

>>> re.split(r'(?<!foo)(?=bar)', 'foobarbarbazbar')
['foobarbarbazbar']

换句话说,即使找到匹配项,如果它是空字符串,甚至re.split也不能拆分字符串.

这些文档re.split似乎支持我的结果.

对于这种特殊情况,"解决方法"很容易找到:

>>> re.sub(r'(?<!foo)(?=bar)', 'qux', 'foobarbarbazbar').split('qux')
['foobar', 'barbaz', 'bar']

但这是一种容易出错的方法,因为那时我必须要注意已经包含我正在拆分的子字符串的字符串:

>>> re.sub(r'(?<!foo)(?=bar)', 'qux', 'foobarbarquxbar').split('qux')
['foobar', 'bar', '', 'bar']

有没有更好的方法来分割与re模块的空模式匹配？另外,为什么re.split不允许我首先这样做呢？我知道其他分裂算法可以与正则表达式一起使用; 例如,我可以使用JavaScript的内置功能完成此操作String.prototype.split().

Answer 1

不幸的是,split需要非零宽度匹配,但尚未修复,因为相当多的错误代码依赖于当前行为,例如使用[something]*正则表达式.使用这样的模式现在将生成一个FutureWarning和那些永远不能拆分的模式,ValueError从Python 3.5开始抛出:

>>> re.split(r'(?<!foo)(?=bar)', 'foobarbarbazbar')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3.6/re.py", line 212, in split
    return _compile(pattern, flags).split(string, maxsplit)
ValueError: split() requires a non-empty pattern match.

这个想法是,经过一段时间的警告后,可以改变行为,以便你的正则表达式再次起作用.

如果您无法使用该regex模块,您可以使用以下命令编写自己的拆分功能re.finditer():

def megasplit(pattern, string):
    splits = list((m.start(), m.end()) for m in re.finditer(pattern, string))
    starts = [0] + [i[1] for i in splits]
    ends = [i[0] for i in splits] + [len(string)]
    return [string[start:end] for start, end in zip(starts, ends)]

print(megasplit(r'(?<!foo)(?=bar)', 'foobarbarbazbar'))
print(megasplit(r'o', 'foobarbarbazbar'))

如果您确定匹配仅为零宽度,则可以使用拆分的开头来获得更简单的代码:

import re

def zerowidthsplit(pattern, string):
    splits = list(m.start() for m in re.finditer(pattern, string))
    starts = [0] + splits
    ends = splits + [ len(string) ]
    return [string[start:end] for start, end in zip(starts, ends)]

print(zerowidthsplit(r'(?<!foo)(?=bar)', 'foobarbarbazbar'))