Python re.split返回多余空串：成因、与regex101差异及规则咨询

测试代码 #

import re

re_split_list = re.split(r'(\W*)', '...words...')
print(re_split_list, type(re_split_list), len(re_split_list))

实际输出 #

['', '...', '', '', 'w', '', 'o', '', 'r', '', 'd', '', 's', '...', '', '', ''] <class 'list'> 17

预期输出（regex101模拟） #

['', '...', '', 'w', '', 'o', '', 'r', '', 'd', '', 's', '...', ''] <class 'list'> 14

问题解答 #

1. 索引3、15、16空串的产生机制

你的正则(\W*)用于匹配0个或多个非单词字符，且因为加了括号（捕获组），匹配到的内容会被插入分割结果中。Python re.split在处理这类能匹配空串的正则时，会在以下场景生成空串：

• 当正则在某个位置匹配到**0个字符（空匹配）**时，会把“上次匹配结束到当前匹配前的内容”（此时为空）和“捕获到的空匹配内容”依次加入结果，这就会连续生成两个空串。
• 处理到字符串末尾时，若正则仍能匹配空串，会额外添加空串到结果末尾。

具体到你的案例：

• 索引3的空串：在...（索引1的元素）之后、w之前，正则匹配到0个非单词字符（空匹配），于是先加入“上次匹配结束到当前匹配前的空内容”（索引2），再加入捕获到的空匹配（索引3）。
• 索引15、16的空串：末尾...匹配完成后，正则在字符串末尾连续匹配两次空串，依次生成对应的空内容和空匹配，最终在末尾多出来两个空串。

2. 与regex101结果不同的原因

regex101的split模拟器并未完全复刻Python re.split的行为，尤其是处理带捕获组的空匹配正则时。Python会严格遵循“非匹配内容+捕获组内容”交替输出的规则，而regex101会自动合并或忽略连续的空串，因此结果长度和空串数量不同。

3. Python re.split 核心执行规则

• 捕获组的影响：如果正则包含捕获组，捕获到的匹配内容会被插入分割结果，最终结构为[非匹配部分1, 捕获组内容1, 非匹配部分2, 捕获组内容2, ...]。
• 空匹配的处理：
  • 若正则能匹配空串，为避免无限循环，每次匹配空串后会强制前进一个字符。
  • 字符串开头匹配空串时，结果开头会添加空串；字符串结尾匹配空串时，结果末尾会添加空串。
• 无匹配的情况：如果正则完全不匹配原字符串，结果是仅包含原字符串的列表。

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