Python中按多字符组合分隔符分割字符串的问题咨询

问题根因 #

你代码出错的核心原因是正则表达式中的.是特殊元字符，默认匹配除换行符外的任意单个字符，你没有对它做转义处理，所以代码里的. \n\n|.\n\n不是匹配字面量的句号加换行组合，而是匹配「任意字符+空格+两个换行」或者「任意字符+两个换行」，才会把示例中Yes \n\n里的s被.匹配到，最终把Yes拆成了Ye。

修正方案 #

如果要匹配字面量的句号，需要用转义符\把.转义为\.，同时可以用?匹配可选的空格，简化正则写法：

import re    
text = 'Thanks.\n\n This is the first time. \n\n Yes \n\n indeed.'
# \. 匹配字面量句号，? 表示前面的空格可选，覆盖两种分隔符场景
res = re.split(r'\. ?\n\n', text)
print(res)

运行后输出结果和你预期一致：

['Thanks', ' This is the first time', ' Yes \n\n indeed.']

如果不需要拆分后每个元素开头的多余空格，遍历结果调用strip()处理即可。

支持问号、感叹号的拆分规则 #

可以实现按?|!|.加两个换行的规则拆分，把三种标点放到正则字符集[.!?]中即可：

# 直接拆分，会吃掉句尾的标点
res = re.split(r'[.!?] ?\n\n', text)

# 如果需要保留句尾的标点，使用零宽后行断言，不会消耗标点字符
res = re.split(r'(?<=[.!?]) ?\n\n', text)

内容的提问来源于stack exchange，提问作者hao3 feng