使用空格或标点符号作为分隔符，将unicode字符串拆分为列表的最快方法是什么？
使用空格或标点符号作为分隔符，将unicode字符串拆分为列表的最快方法是什么？
提问于 2011-03-09 14:34:06
# -*- coding: utf-8 -*-
import string
s = u"Dobre uczynki są jak dobre poematy. Można łatwo uchwycić, ku czemu zmierzają, lecz nie zawsze da się je racjonalnie wytłumaczyć."
exclude = set(string.punctuation)
s = ''.join(ch for ch in s if ch not in exclude)
s = s.split()
print s指纹。
[u'Dobre', u'uczynki', u's\u0105', u'jak', u'dobre', u'poematy', u'Mo\u017cna', u'\u0142atwo', u'uchwyci\u0107', u'ku', u'czemu', u'zmierzaj\u0105', u'lecz', u'nie', u'zawsze', u'da', u'si\u0119', u'je', u'racjonalnie', u'wyt\u0142umaczy\u0107']它看起来不仅不优雅，而且速度很慢。
你能找到更好的解决方案吗？也许使用正则表达式？
回答 4
Stack Overflow用户
回答已采纳
发布于 2011-03-09 14:49:13
如果必须重用正则表达式并使用re.split，请使用re.compile。
import string
import re
s = u"Dobre uczynki są jak dobre poematy. Można łatwo uchwycić, ku czemu zmierzają, lecz nie zawsze da się je racjonalnie wytłumaczyć."
regex = re.compile(r'[%s\s]+' % re.escape(string.punctuation))
print regex.split(s)Stack Overflow用户
发布于 2011-03-09 14:40:16
使用Regular expressions！
# -*- coding: utf-8 -*-
import re
s = u"Dobre uczynki są jak dobre poematy. Można łatwo uchwycić, ku czemu zmierzają, lecz nie zawsze da się je racjonalnie wytłumaczyć."
print re.split('\W+', s, flags=re.UNICODE)当然，您可以使用更具体的正则表达式，但此正则表达式似乎符合要求。
请注意，flags参数适用于python 2.7+。如果您使用的是早期版本，只需使用'\W+(?u)'作为正则表达式。
Stack Overflow用户
发布于 2011-03-09 14:43:06
这个应该可以了。(我承认我还没有测试过它)
import re, string
s = 'your string ...'
re.split('\s'+''.join(string.punctuation), s)编辑:不要使用我的。Mahmoud Abdelkader上面的答案更好。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/5242213
复制相关文章
相似问题
腾讯云开发者
