python split引号

写爬虫那会儿，我碰上一串脏数据：'name': 'O'Reilly, "The Great"', 'age': 30。想用 split(',') 切分，结果引号里的逗号也被切了。这不是 split 的错，是引号在捣乱。Python 的 str.split() 只认分隔符，不认引号——它不会因为你用了单引号或双引号就跳过里面的内容。

很多人第一次遇到这种问题，会下意识觉得 split 应该“智能”一点。可惜它就是个老实巴交的字符串方法：你给它一个分隔符，它从头到尾扫一遍，见到就切。引号？它当普通字符处理。比如 "a,b,'c,d',e".split(',')，出来的是 ['a', 'b', "'c", "d'", 'e']。你看，单引号被切成了两半。

那怎么办？几种实际的做法

最省事的办法是用 csv 模块。它天生处理引号包围的字段。csv.reader 默认把双引号当作引用符，逗号在引号内不切分。但你得注意：它默认只认双引号，单引号不管。如果你的数据混用单双引号，就得手动指定 quotechar，而且一次只能指定一个。我试过用 quotechar="'" 去读 "a,'b,c',d"，结果双引号那部分又出问题。所以 csv 不是万能药。

另一个思路是用正则。re.split 可以配合负向断言，但写起来容易翻车。比如想切逗号但不在引号内，得写 re.split(r',(?=(?:[^"]*"[^"]*")*[^"]*$)', s)——这还只处理双引号。如果引号里还有转义，复杂度直接爆炸。我一般不建议新手走这条路，除非你确定数据格式极其规整。

手动解析其实更可控。写个循环，记录当前是否在引号内，遇到分隔符时判断一下。代码不长，十行左右。下面这个我用了好几年，处理单双引号混合也没问题：

def split_quoted(s, delim=','): parts = [] buf = [] in_quote = None for ch in s: if ch in ('"', "'"): if in_quote is None: in_quote = ch elif in_quote == ch: in_quote = None buf.append(ch) elif ch == delim and in_quote is None: parts.append(''.join(buf)) buf = [] else: buf.append(ch) parts.append(''.join(buf)) return parts 

注意，这个版本把引号也保留在结果里。如果你想去掉，可以在最后 strip 一下，或者加个判断。我通常保留，因为后续可能还要区分字段是否被引用过。

split 本身有个鲜为人知的参数

str.split() 不传分隔符时，会按任意空白切分，并且连续空白算一个。但传了分隔符，连续分隔符会产生空字符串。比如 "a,,b".split(',') 得到 ['a', '', 'b']。很多人被这个空字符串坑过。如果你不想要空串，可以用列表推导过滤：[x for x in s.split(',') if x]。但小心——如果空字段有意义（比如 CSV 里的空值），过滤就错了。

还有 rsplit，从右边开始切，最多切几次。处理文件路径时偶尔用得上。比如 "a/b/c/d".rsplit('/', 1) 得到 ['a/b/c', 'd']。这个跟引号无关，但既然聊到 split，顺带提一句。

引号嵌套？别想了

如果数据里出现 "He said 'hi'" 这种嵌套引号，上面所有方法都会失效。手动解析器也救不了你，因为它无法区分引号的层级。这种时候只能上 ast.literal_eval 或者 json.loads，前提是数据恰好是合法的 Python 字面量或 JSON。我遇到过从日志里扒出来的伪 JSON，单引号双引号混着来，最后是用 demjson 这种第三方库搞定的。但那是另一个话题了。

说到底，split 加引号的问题，根源在于字符串本身没有结构信息。你看到的引号，对 Python 来说就是普通字符。想让它“聪明”，要么换工具（csv、json），要么自己写解析逻辑。没有银弹。

我现在的习惯：拿到带引号的字符串，先看格式是否固定。固定的话，正则一把梭；不固定，手动循环。别指望 split 能读懂你的意图——它就是个切刀，不是大脑。