Frage: Ich verwende split ('\ n'), um Zeilen in einer Zeichenfolge abzurufen, und habe festgestellt, dass '' .split () eine leere Liste [] zurückgibt, während '' .split ('\ n') [''] zurückgibt. .
Die Methode str.split () verfügt über zwei Algorithmen. Wenn keine Argumente angegeben werden, wird es bei wiederholten Leerzeichenläufen aufgeteilt. Wenn jedoch ein Argument angegeben wird, wird es als ein einzelnes Trennzeichen ohne wiederholte Läufe behandelt.
Wenn Sie eine leere Zeichenfolge aufteilen, gibt der erste Modus (kein Argument) eine leere Liste zurück, da das Leerzeichen gegessen wird und keine Werte in die Ergebnisliste aufgenommen werden müssen.
Im Gegensatz dazu erzeugt der zweite Modus (mit einem Argument wie \n) das erste leere Feld. Überlegen Sie, wenn Sie geschrieben hätten '\n'.split('\n'), würden Sie zwei Felder erhalten (ein Split ergibt zwei Hälften).
Frage: Gibt es einen bestimmten Grund für einen solchen Unterschied?
Dieser erste Modus ist nützlich, wenn Daten in Spalten mit variablen Leerzeichen ausgerichtet werden. Beispielsweise:
>>> data = '''\
Shasta California 14,200
McKinley Alaska 20,300
Fuji Japan 12,400
'''
>>> for line in data.splitlines():
print line.split()
['Shasta', 'California', '14,200']
['McKinley', 'Alaska', '20,300']
['Fuji', 'Japan', '12,400']
Der zweite Modus ist nützlich für begrenzte Daten wie CSV, bei denen wiederholte Kommas leere Felder bezeichnen. Beispielsweise:
>>> data = '''\
Guido,BDFL,,Amsterdam
Barry,FLUFL,,USA
Tim,,,USA
'''
>>> for line in data.splitlines():
print line.split(',')
['Guido', 'BDFL', '', 'Amsterdam']
['Barry', 'FLUFL', '', 'USA']
['Tim', '', '', 'USA']
Beachten Sie, dass die Anzahl der Ergebnisfelder um eins größer ist als die Anzahl der Begrenzer. Denken Sie daran, ein Seil zu schneiden. Wenn Sie keine Schnitte machen, haben Sie ein Stück. Wenn Sie einen Schnitt machen, erhalten Sie zwei Stücke. Wenn Sie zwei Schnitte machen, erhalten Sie drei Stücke. Und so ist es auch mit Pythons str.split (Trennzeichen) -Methode:
>>> ''.split(',') # No cuts
['']
>>> ','.split(',') # One cut
['', '']
>>> ',,'.split(',') # Two cuts
['', '', '']
Frage: Und gibt es eine bequemere Möglichkeit, Zeilen in einer Zeichenfolge zu zählen?
Ja, es gibt einige einfache Möglichkeiten. Einer verwendet str.count () und der andere str.splitlines () . Beide Methoden geben die gleiche Antwort, es sei denn, in der letzten Zeile fehlt die \n. Wenn die letzte neue Zeile fehlt, gibt der str.splitlines- Ansatz die genaue Antwort. Eine schnellere Technik, die ebenfalls genau ist, verwendet die Zählmethode, korrigiert sie dann jedoch für die endgültige neue Zeile:
>>> data = '''\
Line 1
Line 2
Line 3
Line 4'''
>>> data.count('\n') # Inaccurate
3
>>> len(data.splitlines()) # Accurate, but slow
4
>>> data.count('\n') + (not data.endswith('\n')) # Accurate and fast
4
Frage von @Kaz: Warum zum Teufel sind zwei sehr unterschiedliche Algorithmen in einer einzigen Funktion zusammengefasst?
Die Signatur für str.split ist ungefähr 20 Jahre alt, und einige der APIs aus dieser Zeit sind streng pragmatisch. Die Methodensignatur ist zwar nicht perfekt, aber auch nicht "schrecklich". Die API-Designentscheidungen von Guido haben sich größtenteils bewährt.
Die aktuelle API ist nicht ohne Vorteile. Betrachten Sie Zeichenfolgen wie:
ps_aux_header = "USER PID %CPU %MEM VSZ"
patient_header = "name,age,height,weight"
Wenn Leute gebeten werden, diese Zeichenfolgen in Felder zu unterteilen, beschreiben sie beide mit demselben englischen Wort "split". Wenn Benutzer aufgefordert werden, Code wie fields = line.split()
oder zu lesen fields = line.split(','), interpretieren sie die Anweisungen in der Regel korrekt als "Aufteilen einer Zeile in Felder".
Das Text-zu-Spalten-Tool von Microsoft Excel hat eine ähnliche API-Auswahl getroffen und beide Aufteilungsalgorithmen in dasselbe Tool integriert. Menschen scheinen die Feldaufteilung mental als ein einziges Konzept zu modellieren, obwohl mehr als ein Algorithmus beteiligt ist.