`re.split()在Python中奇怪地工作

Question

在python中遇到了一些困难。我想把一个包含许多注释的.txt文件分割成一个列表。但是，我想对所有标点符号、空格和\n进行拆分，当我运行下面的python代码时，它会将我的文本文件分割成奇怪的地方。注意:下面我只试着在句点和尾行上分开来测试它。但它仍然经常把最后一封信用文字处理掉。

import regex as re
with open('G:/My Documents/AHRQUnstructuredComments2.txt','r') as infile:
    nf = infile.read()
    wList = re.split('. | \n, nf)

print(wList)

Answer 1

您需要修复引号，并对正则表达式做一些细微的更改：

import regex as re
with open('G:/My Documents/AHRQUnstructuredComments2.txt','r') as infile:
    nf = infile.read()
    wList = re.split('\W+' nf)

print(wList)

Answer 2

您忘记关闭字符串了，您需要在此之前。

import regex as re
with open('G:/My Documents/AHRQUnstructuredComments2.txt','r') as infile:
    nf = infile.read()
    wList = re.split('\. |\n |\s', nf)

print(wList)

有关更多信息，请参见Split Strings with Multiple Delimiters?。

此外，RichieHindle完美地回答了您的问题：

import re
DATA = "Hey, you - what are you doing here!?"
print re.findall(r"[\w']+", DATA)
# Prints ['Hey', 'you', 'what', 'are', 'you', 'doing', 'here']

Answer 3

在regex中，字符.是指任何字符。你必须逃离它，\.，才能捕捉句点。