のPython：Pythonでスペースで文字列を分割するには、すべてのスペース文字によって分割列

Question

、1は通常、パラメータを指定せずに、文字列のsplit方法を使用しています。

​​

しかし、昨日のように単語の間ZERO WIDTH SPACEを使用した文字列全体に走りましたよく（JavaScriptの人々の間で）短いblack magicパフォーマンスに私の新しい知識を変わって、私はsplitが十分でないため、すべてのwhitespace charactersによって、より良い分割する方法をお願いしたいと思います：

>>> u'a\u200bc d'.split() 
[u'a\u200bc', u'd'] 

UPD1

sthで提案されている解決策は、一般的には動作しますが、いくつかのOS設定やPythonコンパイルオプションに依存しています。確かな理由を知っているといいでしょう（Windowsで設定を有効にすることができれば）。

UPD2 cptphilは、すべてが明確にその偉大linkを見つけました：

だから私は問題についてUnicodeの技術委員会に連絡し、速やかに戻って応答を受信した受信しました。

がにZsのからU + 200Bゼロ幅スペースを変更する：彼らはZWSPが空白とみなさワンス・アポン・ア・タイム、だったが、それはunicode siteからのUnicode 4.0.1

引用に変更されたことを指摘しましたCf（2003.10.27）

U + 200B Zero Width Space（ZWSP）の使用に関する永続的な問題がありました。この文字の機能は、通常は許可されない位置での改行を許可することであり、したがって、機能的には一般カテゴリがCfの書式文字です。この動作は、Unicode標準でよく記述されており、Unicode文字データベースでは空白文字とはみなされません。しかし、歴史的な理由から、一般的なカテゴリは依然としてZs（Space Separator）であり、キャラクターが誤用される。 ZWSPは空白ではない唯一のZs文字です。一般カテゴリは、ルールの誤解を引き起こす可能性があります。D13ベース文字は、マークを結合するためのベースとしてZWSPを許可します。

U + 200Bの一般カテゴリをZsからCfに変更することを提案します。

解像度：クローズ。 Unicodeバージョン4.0.1では、U + 200Bの一般カテゴリはZsからCfに変更されます。

変更がPythonに反映されました。 Python 2.5.4および2.6.5のu'\u200B'.isspace()の結果はTrueであり、Python 2.7.1ではすでにFalseです。他の空白文字については

定期splitは十分です：

>>> u'a\u200Ac'.split() 
[u'a', u'c'] 

そして、それはあなたのために十分でない場合、Gabi Purcaruは以下のとおり文字を一つずつ追加します。

あなたは「再」モジュールを使用すると「スプリット」に区切りを渡すことができ

Answer 1

編集

\ u200bは技術的に空白として定義されていないことが判明しています。したがって、Pythonはunicodeフラグがオンの場合でも\ sと一致すると認識しません。したがって、空白以外の文字として扱われなければなりません。

http://en.wikipedia.org/wiki/Whitespace_character#Unicode

http://bugs.python.org/issue13391

import re 

re.split(ur"[\u200b\s]+", "some string", flags=re.UNICODE) 

Answer 2

：http://docs.python.org/library/re.html#re.split

Answer 3

あなたが有効になってUnicodeのマッチングに正規表現を使用することができます。

>>> re.split(r'(?u)\s', u'a\u200bc d') 
[u'a', u'c', u'd'] 

Answer 4

あなたが好き、re.splitを使用することができますこの：

import re 
re.split(u'\s|\u200b', your_string) 

Answer 5

あなたはこのようなものを使用することはできますか？

re.split(r'\s+', your_string, re.UNICODE) 

Answer 6

だけ使用split：私のマシン上で

>>> u'\u200b'.isspace() 
True