在第一次出现分隔符时分割字符串的最佳方法是什么?
例如:
"123mango abcd mango kiwi peach"
拆分第一个
mango
得到:
" abcd mango kiwi peach"
要在 last 出现处进行拆分,请参阅 Python 中的分区字符串并获取冒号后最后一段的值。
来自文档:
str.split([sep[, maxsplit]])
返回字符串中的单词列表,使用 sep 作为分隔符字符串。如果给出 maxsplit,则最多完成 maxsplit 分割(因此,列表最多有
个元素)。maxsplit+1
s.split('mango', 1)[1]
>>> s = "123mango abcd mango kiwi peach"
>>> s.split("mango", 1)
['123', ' abcd mango kiwi peach']
>>> s.split("mango", 1)[1]
' abcd mango kiwi peach'
对我来说更好的方法是:
s.split('mango', 1)[-1]
...因为如果发生的情况不在字符串中,您将得到“
IndexError: list index out of range"
。
因此
-1
不会受到任何伤害,因为发生次数已经设置为1。
str.partition
:
>>> text = "123mango abcd mango kiwi peach"
>>> text.partition("mango")
('123', 'mango', ' abcd mango kiwi peach')
>>> text.partition("mango")[-1]
' abcd mango kiwi peach'
>>> text.partition("mango")[-1].lstrip() # if whitespace strip-ing is needed
'abcd mango kiwi peach'
使用
str.partition
的优点是它总是会返回以下形式的元组:
(<pre>, <separator>, <post>)
因此这使得解压输出变得非常灵活,因为结果元组中总是将有 3 个元素。
最简单且性能最佳的方法是使用字符串的
.partition
方法。
通常,人们可能想要获取找到的定界符之前或之后的部分,并且可能想要查找字符串中出现的定界符的第一个或最后一个。对于大多数技术来说,所有这些可能性都大致一样简单,并且从一种技术转换为另一种技术也很简单。
对于以下示例,我们将假设:
>>> import re
>>> s = '123mango abcd mango kiwi peach'
.split
>>> s.split('mango', 1)
['123', ' abcd mango kiwi peach']
.split
的第二个参数限制字符串被分割的次数。这给出了分隔符之前和之后的部分;然后我们就可以选择我们想要的了。
如果分隔符没有出现,则不进行分割:
>>> s.split('grape', 1)
['123mango abcd mango kiwi peach']
Thus, to check whether the delimiter was present, check the length of the result before working with it.
.partition
>>> s.partition('mango')
('123', 'mango', ' abcd mango kiwi peach')
结果是一个元组,并且分隔符本身在找到时被保留。
当没有找到分隔符时,结果将是一个相同长度的元组,结果中有两个空字符串:
>>> s.partition('grape')
('123mango abcd mango kiwi peach', '', '')
因此,要检查分隔符是否存在,请检查第二个元素的值。
>>> # Using the top-level module functionality
>>> re.split(re.escape('mango'), s, 1)
['123', ' abcd mango kiwi peach']
>>> # Using an explicitly compiled pattern
>>> mango = re.compile(re.escape('mango'))
>>> mango.split(s, 1)
['123', ' abcd mango kiwi peach']
正则表达式的
.split
方法与内置字符串 .split
方法具有相同的参数,用于限制拆分次数。同样,当分隔符不出现时,不会进行分割:
>>> grape = re.compile(re.escape('grape'))
>>> grape.split(s, 1)
['123mango abcd mango kiwi peach']
在这些示例中,
re.escape
没有任何作用,但在一般情况下,为了将分隔符指定为文字文本,有必要使用它。另一方面,使用 re
模块可以发挥正则表达式的全部威力:
>>> vowels = re.compile('[aeiou]')
>>> # Split on any vowel, without a limit on the number of splits:
>>> vowels.split(s)
['123m', 'ng', ' ', 'bcd m', 'ng', ' k', 'w', ' p', '', 'ch']
(注意空字符串:在
e
和 a
的 peach
之间找到。)
使用字符串的
.index
方法找出分隔符在哪里,然后用它进行切片:
>>> s[:s.index('mango')] # for everything before the delimiter
'123'
>>> s[s.index('mango')+len('mango'):] # for everything after the delimiter
' abcd mango kiwi peach'
这直接给出了前缀。但是,如果未找到分隔符,则会引发异常:
>>> s[:s.index('grape')]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: substring not found
虽然没有人问,但我在这里提供了相关技术以供参考。
.split
和.partition
技术有直接的对应物,用于获取字符串的最后部分(即,last出现的分隔符之后的所有内容)。供参考:
>>> '123mango abcd mango kiwi peach'.rsplit('mango', 1)
['123mango abcd ', ' kiwi peach']
>>> '123mango abcd mango kiwi peach'.rpartition('mango')
('123mango abcd ', 'mango', ' kiwi peach')
类似地,有一个
.rindex
来匹配
.index
,但它仍然会给出分区最后一个匹配的 beginning of的索引。因此:
>>> s[:s.rindex('mango')] # everything before the last match
'123mango abcd '
>>> s[s.rindex('mango')+len('mango'):] # everything after the last match
' kiwi peach'
对于正则表达式方法,我们可以依靠反转输入的技术,查找反转分隔符的第一次出现,反转各个结果,以及反转结果列表:
>>> ognam = re.compile(re.escape('mango'[::-1]))
>>> [x[::-1] for x in ognam.split('123mango abcd mango kiwi peach'[::-1], 1)][::-1]
['123mango abcd ', ' kiwi peach']
当然,这几乎肯定是付出的努力超过了其价值。
另一种方法是从分隔符到字符串末尾使用负向前查找:
>>> literal_mango = re.escape('mango')
>>> last_mango = re.compile(f'{literal_mango}(?!.*{literal_mango})')
>>> last_mango.split('123mango abcd mango kiwi peach', 1)
['123mango abcd ', ' kiwi peach']
由于前瞻,这是最坏情况的 O(n^2) 算法。
性能测试
$ python -m timeit --setup="s='123mango abcd mango kiwi peach'" "s.partition('mango')[-1]"
2000000 loops, best of 5: 128 nsec per loop
$ python -m timeit --setup="s='123mango abcd mango kiwi peach'" "s.split('mango', 1)[-1]"
2000000 loops, best of 5: 157 nsec per loop
$ python -m timeit --setup="s='123mango abcd mango kiwi peach'" "s[s.index('mango')+len('mango'):]"
1000000 loops, best of 5: 250 nsec per loop
$ python -m timeit --setup="s='123mango abcd mango kiwi peach'; import re; mango=re.compile(re.escape('mango'))" "mango.split(s, 1)[-1]"
1000000 loops, best of 5: 258 nsec per loop
虽然更灵活,但正则表达式方法肯定更慢。限制分割数量可以提高字符串方法和正则表达式的性能(没有限制的时间不会显示,因为它们速度较慢并且会给出不同的结果),但
.partition
仍然是明显的赢家。
.index
方法速度较慢,尽管它只需创建一个子字符串,并且不必迭代匹配范围之外的文本(为了创建其他子字符串)。预先计算分隔符的长度会有所帮助,但这仍然比
.split
和 .partition
方法慢。