Python 字符串切割：str.split() 与 re.split() 的对比分析

在 Python 中，分割字符串是一项经常使用的操作，我们可以使用 str.split() 或 re.split() 函数实现。两者都可以用来将一个字符串按照特定的分割符进行切割，但是处理方式却有所差异。下面我们详细介绍这两个函数的使用方法、主要区别以及适用场景。

str.split()

str.split() 函数用于按照指定分割符将字符串分割成多个子字符串，并返回一个列表。下面是一个简单的示例：

str = "apple,banana,orange"
parts = str.split(",")
print(parts)  # Output: ['apple', 'banana', 'orange']

默认情况下，分隔符为所有的空白字符，包括空格、制表符和换行符。也可以通过指定 sep 参数来自定义分隔符：

str = "apple\nbanana\torange"
parts = str.split()
print(parts)    # Output: ['apple', 'banana', 'orange']
parts = str.split("\n")
print(parts)    # Output: ['apple', 'banana\torange']

需要注意的是，分割后的子字符串中可能会包含空格或其他不需要的字符。如果想要去掉这些字符，可以使用 split() 函数的链式调用和列表推导式来过滤：

str = "apple, banana, orange"
parts = [x.strip() for x in str.split(",")]
print(parts)   # Output: ['apple', 'banana', 'orange']

re.split()

re.split() 函数可以使用正则表达式作为分隔符。这样可以进行更加复杂的分割操作，可以使用正则表达式的任何特性来进行分割，灵活性更高。下面是一个简单的示例：

import re

str = "apple,banana.orange"
parts = re.split(",|\.", str)
print(parts)   # Output: ['apple', 'banana', 'orange']

在这个示例中，我们使用 | 来表示 "," 和 "." 中的任何一个，实现了按照 "," 或 "." 进行分割的操作。

在处理的时候还需要注意，使用 re.split() 函数时，在分割字符串本身可能包含正则表达式中的特殊字符（例如：'.', '*', '+', '?'，'['，']'，'\', '(', ')'等），需要将分隔符使用` 转义，才能正常的进行分割操作。

分割操作的比较

两种分割方法有许多不同之处。split() 使用的是固定的字符串作为分隔符，而 re.split() 使用了高级的正则表达式来定义分隔符，因此更加灵活和强大。

另外，re.split() 可以识别更加复杂的分隔符，例如：多个连续的空格、制表符或换行符，这些分割符在字符串处理中实际上是很常见的。

但是相对 split() 函数来说， re.split() 函数因为需要使用正则表达式，可能会比 split() 函数稍慢，也需要更加小心谨慎。

示例说明

下面我们通过两个具体的示例来对比这两种分割方法。

示例一：分割固定格式的字符串

我们有一个字符串，格式为 "name:job:company"，想要将其分割为三个部分并打印出来。可以使用 split() 函数和 re.split() 函数来完成这个任务。

使用 split() 函数：

str = "John:Engineer:Apple"
name, job, company = str.split(":")
print(name, job, company)   # Output: John Engineer Apple

使用 re.split() 函数：

import re

str = "John:Engineer:Apple"
name, job, company = re.split(":", str)
print(name, job, company)   # Output: John Engineer Apple

在这个示例中，使用 split() 函数和 re.split() 函数的实现是类似的，但是对于这种简单的固定格式的字符串，split() 函数要比 re.split() 函数更加高效。

示例二：分割带有复杂分隔符的文本

我们有一个文本，其中包含多个连续的空格和制表符分隔的单词，想要将其分割为单个单词并打印出来。这时候，re.split() 函数就能显示出其优越性。

先看一下，使用 split() 函数的结果：

text = "This  is\ta\tsentence."
words = text.split()
print(words) # Output: ['This', 'is', 'a', 'sentence.']

可以看出，使用 split() 函数时，多个连续的空格和制表符被当做了一个分隔符！导致输出的结果不符合我们想要的结果。

还是回去用 re.split() 函数吧：

import re

text = "This  is\ta\tsentence."
words = re.split(r'\s+', text)
print(words)  # Output: ['This', 'is', 'a', 'sentence.']

这次我们使用 r'\s+' 作为分隔符，匹配字符串中的多个连续的空格或制表符。虽然相比于 split() 函数，re.split() 函数可能会稍慢些，但是在这种情况下， re.split() 函数才是真正可以发挥作用的函数。

因此，总的来说，在简单的字符串分割的场景中， split() 函数会比 re.split() 函数更加实用和高效。而在需要处理复杂、诡异、变态的分割符场景时，建议使用 re.split() 函数。