使用re.split()时开头空字符串出现的判定因素及相关疑问

首先明确Python中re.split()的核心规则：

• 当正则模式匹配到字符串的开头位置时，分割结果的第一个元素会是空字符串（因为开头到第一个分隔符之间没有内容）；
• 当模式匹配到字符串的结尾位置时，结果的最后一个元素会是空字符串；
• 只有当模式是零长度匹配（比如(?<=a)这类断言）时，才不会产生这类开头/结尾的空字符串，但[ ]+、[ ,.?!]+这类模式都是匹配非空长度的内容，理论上都会在首尾匹配时生成空字符串。

接下来针对你提到的现象逐一分析：

1. 为什么re.split("[ ]+"," a b c ")得到["",'a','b','c',""] #

这完全符合re.split()的默认行为：

• 开头的两个空格被[ ]+匹配为分隔符，开头到第一个分隔符之间没有字符，所以生成第一个空字符串；
• 单词之间的多个空格被匹配为分隔符，分割出中间的'a'、'b'、'c'；
• 结尾的两个空格被匹配为分隔符，最后一个单词到结尾之间没有字符，所以生成最后一个空字符串。

2. 你提到的[ ,.?!]+或[ ]+模式无空字符串的可能原因 #

你描述的现象和re.split()的默认行为不符，大概率是以下两种情况：

• 混淆了re.split()和str.split()：Python内置的str.split()默认会忽略首尾的空白字符，并且以任意数量的空白字符作为分隔符，比如" a b c ".split()会直接得到['a','b','c']，没有空字符串；
• 额外处理了分割结果：比如用filter(None, re.split(...))过滤掉了空字符串，或者手动移除了首尾的空元素。

如果严格执行re.split(r'[ ,.?!]+', " a b c ")，实际运行结果依然是["",'a','b','c',""]——因为[ ,.?!]+只是把分隔符的范围扩大到包含逗号、句号等，但开头的空格依然会被匹配，所以还是会生成首尾空字符串。

3. 开头仅一个空格时无空字符串？这是误解 #

实际测试re.split("[ ]+"," a b c ")，结果依然是["",'a','b','c',""]，开头的单个空格还是会被[ ]+匹配为分隔符，第一个元素依然是空字符串。你可能是把这个情况和str.split()混淆了：" a b c ".split()确实不会生成空字符串。

4. 如何得到无空格的单词列表 #

如果你想用正则分割得到纯单词列表，不需要保留空字符串，有两种简单方法：

• 方法一：用re.findall()直接匹配单词，比如re.findall(r'\w+', " a b c ")，直接得到['a','b','c']；
• 方法二：对re.split()的结果过滤空字符串，比如[x for x in re.split(r'[ ]+', " a b c ") if x]。

内容的提问来源于stack exchange，提问作者Елена Тюрина