Полное руководство по разделению строк в языке Python

Расширенные примеры разделения строк

Ниже приведены более сложные и менее распространённые сценарии, которые могут возникнуть при обработке текстов.

Разделение строки с разными разделителями и их комбинациями

import re
text = "один; два, три | четыре   пять"
# разделители: точка с запятой, запятая, вертикальная черта, один или более пробелов
pattern = r"[;,\|]|\s+"
result = re.split(pattern, text)
print(result)
# ['один', '', 'два', 'три', '', 'четыре', 'пять']

['один', '', 'два', 'три', '', 'четыре', 'пять']

В результат попали пустые строки из-за того, что между двумя разделителями (например, запятой и пробелом) не было символов. Для удаления пустых элементов можно воспользоваться фильтрацией:

result_clean = [x for x in result if x]
print(result_clean)  # ['один', 'два', 'три', 'четыре', 'пять']

Разделение с сохранением разделителя в результате

Если нужно сохранить сам разделитель, например разбить строку по запятой, но оставить запятые в блоках, можно использовать re.findall с шаблоном, захватывающим разделитель:

import re
text = "a,b,c"
# шаблон: разделитель (запятая) и следующий за ним символ, но не конец строки
parts = re.split(r'(,)', text)
print(parts)  # ['a', ',', 'b', ',', 'c']

['a', ',', 'b', ',', 'c']

Группировка в регулярном выражении заставляет re.split включать захваченный разделитель в результат. Этот приём удобен для последующей сборки.

Разделение многострочного текста с обработкой переносов и пустых строк

text = """строка1

строка2
строка3
"""
# splitlines с keepends=False удаляет символы перевода, но оставляет пустые строки
lines = text.splitlines(keepends=False)
print(lines)  # ['строка1', '', 'строка2', 'строка3']
# Удаление пустых строк
lines_nonempty = [line for line in lines if line]
print(lines_nonempty)  # ['строка1', 'строка2', 'строка3']

['строка1', '', 'строка2', 'строка3']
['строка1', 'строка2', 'строка3']

Метод splitlines() корректно обрабатывает как \n, так и \r\n, что упрощает переносимость кода.

Разделение строки по длине чанков (с учётом остатка)

import re
text = "ABCDEFGHIJK"
chunk_size = 4
# Шаблон: {1,4} - от 1 до 4 символов, чтобы включить неполный последний кусок
chunks = re.findall(rf".{{1,{chunk_size}}}", text)
print(chunks)  # ['ABCD', 'EFGH', 'IJK']

['ABCD', 'EFGH', 'IJK']

Использование re.findall с диапазоном позволяет получить все куски, включая хвост, меньший заданной длины. Если фиксированный размер обязателен, можно дополнить строку символами до кратности.

Разделение URL на компоненты с сохранением структуры

from urllib.parse import urlsplit
url = "https://user:pass@example.com:8080/path?key=val#frag"
parts = urlsplit(url)
print(parts.scheme)   # https
print(parts.netloc)   # user:pass@example.com:8080
print(parts.path)     # /path
print(parts.query)    # key=val
print(parts.fragment) # frag

https
user:pass@example.com:8080
/path
key=val
frag

Для разбиения сложно структурированных данных (URL, параметры запроса) лучше использовать специализированные модули, а не общие методы.

Разбивка на слова с учётом знаков препинания (без потери символов)

import re
text = "Привет, мир! Как дела?"
# Шаблон: буквы и апострофы (для английского) или символы, не являющиеся разделителями
words = [w for w in re.split(r"[,\s!?.]+", text) if w]
print(words)  # ['Привет', 'мир', 'Как', 'дела']

['Привет', 'мир', 'Как', 'дела']

Для русского языка можно добавить букву ё. Более точный подход - использовать re.findall с шаблоном \w+ или [а-яА-ЯёЁa-zA-Z]+.