split()函数与正则表达式：‘\s+‘

split()函数与正则表达式：‘\s+‘

01.问题描述

有这样一个字符串（本文仅以Python为例，其他高级语言中也有于此类似的处理手段）：

test_str = 'sheep dog   pig \n bird   \t cock'

我想去掉所有的乱七八糟的空白符（空格啦、换行符啦、制表符啦……），将其中的单词提取出来放在一个Python列表中，我该怎么办？

02.尝试解决

我们知道像Python、Java这种应用型语言，都会对字符串的处理提供一些列方便实用的函数或方法。
不管哪种语言，你都会找到split()和join这一对千年CP，一个用于拆解字符串，另一个用于组装。
有了这点常识，我们就可以开始尝试了~

2.1 第一种方案

test_str = 'sheep dog   pig \n bird   \t cock'  # 待分割的字符串

split_by_space = test_str.split(' ')  # 直接使用空白字符分割

print("=" * 15 + 'split_by_space' + "=" * 15)
for index, value in enumerate(split_by_space):
    print('[%s]:[%s]' % (index, value))

效果如下：

这明显不是我们想要的结果……

无奈，继续查找解决方案，听说正则表达式可以解决该问题，而且只需要用到一个正则式：\s+。当然，Python中字符串的split()方法是不支持正则的，这里需要用到Python的一个标准库re。

2.2 第二种方案

直接上代码吧：

import re

test_str = 'sheep dog   pig \n bird   \t cock'
split_by_re = re.split('\s+', test_str)  # 使用正则匹配

print("=" * 15 + 'split_by_re' + "=" * 15)
for index, value in enumerate(split_by_re):
    print('[%s]:[%s]' % (index, value))

打印看一下效果：

两个字——完美！

那上面的\s+是啥意思捏？

\s表示匹配任何空白字符，包括空格、制表符、换页符等等, 等价于[ \f\n\r\t\v]。而+在正则表达式中表示“匹配一次或多次”。综上，\s+则表示匹配任意多个上面的字符

补充
[\s]表示，只要出现空白就匹配
[\S]表示，非空白就匹配

2.3 第三种方案

问题已解决，空闲之余，回过头来看了看字符串中split()函数的说明，居然发现……

（链接在这：Python官网-split()函数）
惊不惊喜？意不意外？在第一种方案中去掉split()函数内的参数就OK！看代码：

test_str = 'sheep dog   pig \n bird   \t cock'

split_by_none = test_str.split()  # 使用默认分割方式

print("=" * 15 + 'split_by_none' + "=" * 15)
for index, value in enumerate(split_by_none):
    print('[%s]:[%s]' % (index, value))

效果如下：

ε=(´ο｀*)))唉，“白”折腾了这么久……
不过也不错，顺带了解了正则表达式这一强大的工具，有空好好学学吧~

03.参考文章

1. 一个正则表达式"\s+"
2. Python正则表达式与split()方法一起使用