Por que as strings vazias são retornadas nos resultados de split ()?

Qual é o ponto de '/segment/segment/'.split('/')voltar ['', 'segment', 'segment', '']?

Observe os elementos vazios. Se você estiver dividindo em um delimitador que por acaso está na posição um e no final de uma string, que valor extra isso dá para ter a string vazia retornada de cada extremidade?

str.splitcomplementos str.join, então

"/".join(['', 'segment', 'segment', ''])

obtém de volta a string original.

Se as strings vazias não estivessem lá, a primeira e a última '/'estariam faltando após ojoin()

De forma mais geral, para remover strings vazias retornadas nos split()resultados, você pode querer examinar a filterfunção.

Exemplo:

filter(None, '/segment/segment/'.split('/'))

retorna

['segment', 'segment']

Existem dois pontos principais a serem considerados aqui:

• Esperar que o resultado de '/segment/segment/'.split('/')seja igual a ['segment', 'segment']é razoável, mas isso perde informações. Se split()funcionou do jeito que você queria, se eu disser isso a.split('/') == ['segment', 'segment'], você não pode me dizer o que afoi.
• Qual deve ser o resultado de 'a//b'.split()ser? ['a', 'b']?, ou ['a', '', 'b']? Ou seja, deve split()mesclar delimitadores adjacentes? Se for o caso, será muito difícil analisar dados delimitados por um caractere e alguns dos campos podem estar vazios. Estou bastante certo de que há muitas pessoas que fazem que os valores vazios no resultado para o caso acima!

No final, tudo se resume a duas coisas:

Consistência: se eu tiver ndelimitadores, em a, recebo os n+1valores de volta depois de split().

Deve ser possível fazer coisas complexas e fáceis de fazer coisas simples: se você quiser ignorar strings vazias como resultado de split(), você sempre pode fazer:

def mysplit(s, delim=None):
    return [x for x in s.split(delim) if x]

mas se não quisermos ignorar os valores vazios, devemos ser capazes.

A linguagem precisa escolher uma definição de split()- há muitos casos de uso diferentes para atender aos requisitos de todos como padrão. Acho que a escolha do Python é boa e a mais lógica. (À parte, uma das razões pelas quais eu não gosto do C strtok()é porque ele mescla delimitadores adjacentes, tornando extremamente difícil fazer análise / tokenização séria com ele.)

Há uma exceção: a.split()sem um argumento comprime espaços em branco consecutivos, mas pode-se argumentar que essa é a coisa certa a se fazer nesse caso. Se você não quiser o comportamento, você sempre pode a.split(' ').

Ter x.split(y)sempre retornado uma lista de 1 + x.count(y)itens é uma regularidade preciosa - como @ gnibbler já apontou, ele faz splite joinexatas inversos um do outro (como eles obviamente deveriam ser), ele também mapeia precisamente a semântica de todos os tipos de registros unidos por delimitadores ( como csvlinhas de arquivo [[net of Quoting Issues]], linhas de /etc/groupUnix, e assim por diante), permite (como a resposta de @ Roman mencionou) verificações fáceis para (por exemplo) caminhos absolutos vs relativos (em caminhos de arquivo e URLs), e assim por diante.

Outra maneira de ver isso é que você não deve jogar informações pela janela sem qualquer ganho. A que ganharíamos fazendo x.split(y)equivalente a x.strip(y).split(y)? Nada, é claro - é fácil de usar a segunda forma quando isso é o que você quer dizer, mas se a primeira forma foi arbitrariamente entender-se o segundo, você tem muito trabalho a fazer quando você não quer que o primeiro ( o que está longe de ser raro, como o parágrafo anterior indica).

Mas, na verdade, pensar em termos de regularidade matemática é a maneira mais simples e geral de aprender a projetar APIs passáveis. Para dar um exemplo diferente, é muito importante que, para qualquer xe y x == x[:y] + x[y:]- o que indica imediatamente por que um extremo de um corte deve ser excluído. Quanto mais simples a afirmação invariável que você pode formular, mais provável é que a semântica resultante seja o que você precisa nos usos da vida real - parte do fato místico de que a matemática é muito útil para lidar com o universo.

Tente formular o invariante para um splitdialeto no qual os delimitadores iniciais e finais são casados ​​especiais ... contra-exemplo: métodos de string como isspacenão são maximamente simples - x.isspace()é equivalente a x and all(c in string.whitespace for c in x)- aquele líder bobo x andé o motivo pelo qual você tantas vezes se encontra codificando not x or x.isspace(), para voltar à simplicidade que deveria ter sido projetada nos is...métodos de string (em que uma string vazia "é" qualquer coisa que você quiser - ao contrário do senso comum do homem da rua, talvez [[conjuntos vazios, como zero & c, sempre confundi a maioria das pessoas ;-)]], mas em total conformidade com o óbvio bom senso matemático refinado ! -).

Não tenho certeza de que tipo de resposta você está procurando? Você obtém três correspondências porque tem três delimitadores. Se você não quiser aquele vazio, basta usar:

'/segment/segment/'.strip('/').split('/')

Bem, permite que você saiba que havia um delimitador ali. Portanto, ver 4 resultados permite que você saiba que você tinha 3 delimitadores. Isso lhe dá o poder de fazer o que quiser com essas informações, em vez de fazer com que o Python elimine os elementos vazios e, em seguida, faça com que você verifique manualmente os delimitadores iniciais ou finais, se precisar saber.

Exemplo simples: digamos que você queira verificar nomes de arquivo absolutos vs. relativos. Desta forma, você pode fazer tudo com a divisão, sem ter que verificar também qual é o primeiro caractere do seu nome de arquivo.

Considere este exemplo mínimo:

>>> '/'.split('/')
['', '']

splitdeve fornecer o que está antes e depois do delimitador '/', mas não há outros caracteres. Portanto, ele tem que fornecer a string vazia, que tecnicamente precede e segue o '/', porque '' + '/' + '' == '/'.