Python 正则表达式——无关匹配

我想使用分割字符串-, +=, ==, =, +和空格作为分隔符。我想保留分隔符，除非它是空格。

我尝试使用以下代码来实现此目的：

def tokenize(s):
  import re
  pattern = re.compile("(\-|\+\=|\=\=|\=|\+)|\s+")
  return pattern.split(s)

print(tokenize("hello-+==== =+  there"))

我预计输出是

['hello', '-', '+=', '==', '=', '=', '+', 'there']

然而我得到了

['hello', '-', '', '+=', '', '==', '', '=', '', None, '', '=', '', '+', '', None, 'there']

这几乎是我想要的，除了有很多无关的东西Nones 和空字符串。

为什么它会这样，我该如何改变它以获得我想要的？

re.split默认情况下返回匹配之间的字符串位的数组：（正如@Laurence Gonsalves 指出的，这是它的主要用途。）

['hello', '', '', '', '', '', '', '', 'there']

注意中间的空字符串- and +=, += and ==, etc.

正如文档所解释的，因为您正在使用捕获组（即，因为您正在使用(\-|\+\=|\=\=|\=|\+)代替(?:\-|\+\=|\=\=|\=|\+)，捕获组匹配的位是散布的：

['hello', '-', '', '+=', '', '==', '', '=', '', None, '', '=', '', '+', '', None, 'there']

None对应于其中\s+一半的模式已匹配；在这些情况下，捕获组什么也没捕获。

从查看 re.split 的文档来看，我没有看到一种简单的方法来让它丢弃匹配之间的空字符串，尽管有一个简单的列表理解（或filter，如果你愿意的话）可以轻松丢弃Nones 和空字符串：

def tokenize(s):
  import re
  pattern = re.compile("(\-|\+\=|\=\=|\=|\+)|\s+")
  return [ x for x in pattern.split(s) if x ]

最后一点：对于您到目前为止所描述的内容，这会很好地工作，但是根据您的项目的方向，您可能需要切换到正确的解析库。Python 维基这里对一些选项有很好的概述。