使用多個單字邊界定界符將字串拆分為單字

處理文字資料時，常見的任務是將字串拆分為單字。 Python 的 str.split() 方法提供了一個簡單的解決方案，但它僅支援單一分隔符號作為其參數。在處理包含多種類型的單字邊界（例如標點符號）的文字時，此限制可能會成為障礙。

Python re 模組提供了一個強大的替代方案：re.split()。此函數可讓您指定用作單字邊界定界符的模式。此模式可以包含正規表示式，以同時符合多種類型的邊界。

例如，要將以下字串拆分為單詞，將空格和標點符號都處理為單詞邊界：

"Hey, you - what are you doing here!?"

您可以使用以下正規表示式模式：

'\W '

此模式來匹配任何非單字字元序列（字母、數字或底線）。當與 re.split() 一起使用時，它將在這些字元的所有出現處分割字串，從而有效地建立單字清單。

以下是在 Python 中使用它的方法：

import re

text = "Hey, you - what are you doing here!?"
words = re.split('\W ', text)

print(words)

輸出：

['Hey', 'you', 'what', 'are', 'you', 'doing', 'here']

如您所見，re.split() 有效地將字串拆分為單個單詞，儘管存在多個分隔符，但仍保留了正確的單字邊界。這種靈活性使其成為處理複雜文字解析場景（遇到多個單字邊界分隔符號）的寶貴工具。