Aas*_*set 14 python cpython python-2.x
我正在移植一些调用split()字符串的Python 2 代码，所以我需要知道它的确切行为。文档指出，当您不指定sep参数时，“连续空格的运行被视为单个分隔符”。
不幸的是，它没有指定将是哪些字符。有一些明显的竞争者（如空格、制表符和换行符），但 Unicode 包含许多其他候选者。
哪些字符被 视为空格split()？
由于答案可能是特定于实现的，我的目标是 CPython。
（注意：我自己研究了这个答案，因为我在任何地方都找不到它，所以我会在这里发布它，希望对其他人有益。）
Aas*_*set 17
不幸的是，这取决于您的字符串是 anstr还是 a unicode（至少，在 CPython 中 - 我不知道这种行为是否实际上是由任何地方的规范强制执行的）。
如果是str，答案很简单：
0x09 标签0x0a 新队0x0b 垂直标签0x0c 换页0x0d 回车0x20 空间来源：这些是带有PY_CTF_SPACEin的字符Python/pyctype.c，由 使用，由Py_ISSPACE使用，由STRINGLIB_ISSPACE使用split_whitespace。
如果是 a unicode，则有 29 个字符，除上述之外还有：
U+001c通过0x001f：文件/组/记录/单位分隔符U+0085: 下一行U+00a0: 不间断空间U+1680: 奥格姆空间标记U+2000通过0x200a：各种固定大小的空间（例如Em Space），但请注意不包括零宽度空间U+2028: 行分隔符U+2029: 段落分隔符U+202f: 狭窄的不间断空间U+205f: 中等数学空间U+3000: 表意空间请注意，前四个也是有效的 ASCII 字符，这意味着仅 ASCII 的字符串可能会根据它是 anstr还是unicode!
来源：这些是 中列出的字符_PyUnicode_IsWhitespace，由 使用，由Py_UNICODE_ISSPACE使用STRINGLIB_ISSPACE（看起来它们对str和使用相同的函数实现unicode，但为每种类型分别编译，某些宏实现不同）。文档字符串对这组字符的描述如下：
具有双向类型“WS”、“B”或“S”或类别“Zs”的 Unicode 字符