请考虑以下内容

t = re.split(r'([!\s])', "Hello! How are you?")
print(t)

它返回：

['Hello', '!', '', ' ', 'How', ' ', 'are', ' ', 'you?']

为什么第三个元素是一个空字符串？

在问题“为什么split() 的结果中会返回空字符串？”中，本回答 指出这使得 join 能够还原分割。

例如：

a = '/segment/segment/'.split('/')
print(a)
# ['', 'segment', 'segment', '']
"/".join(a)
# '/segment/segment/'
"/".join([ch for ch in a if ch])
# 'segment/segment'

但在这里并非如此，因为这里我们使用捕获组来保留分隔符：

t = re.split(r'([!\s])', "Hello! How are you?")
print(t)
# ['Hello', '!', '', ' ', 'How', ' ', 'are', ' ', 'you?']
t1 = "".join(t)
print(t1)
# 'Hello! How are you?'
stripped = [ch for ch in t if ch]
print(stripped)
# ['Hello', '!', ' ', 'How', ' ', 'are', ' ', 'you?']
t2 = "".join(stripped)
print(t2)
# Hello! How are you?
t1==t2
# True

请注意，问题并非如何去除空字符串。

问题在于为什么一开始会出现空字符串。

这个问题也不是对 "在re.split返回的列表开头和结尾为什么会有额外的空字符串？" 的重复，因为在那种情况下，空字符串实际上需要用来恢复原始字符串，因为那位提问者没有使用捕获组，因此分隔符并未被保留，而这里我们使用捕获组来保留分隔符。

解决方案

用 str.join 重建输入，是对 re.split 行为在模式没有捕获组时的一个很好的解释。显然，这不适用于捕获模式，因为没有一个（通用的）字符串可用作“连接”的分隔符。不过，我们仍然希望以某种可预测的方式来对 re.split 进行推理。

在这种情况下，不变量是交错的片段和分隔符。换句话说，给定结果中的一个索引，你始终知道它对应的是一个片段还是一个分隔符。让我们从最简单的捕获组开始（下面所有片段假设 import re）：

>>> re.split(r"(a)", "bacab")
['b', 'a', 'c', 'a', 'b']

一切都好，一切清晰：我们得到的列表形状为 [segment, delimiter, segment, delimiter, ..., segment] —— 0对或更多不匹配的片段与匹配的分隔符组成的对，后跟一个尾随的剩余片段。

让模式更有趣一些：

>>> re.split(r"(a|d)", "bacabde")
['b', 'a', 'c', 'a', 'b', 'd', 'e']

形状仍然相同。现在让我们使用一个具有连续分隔符（匹配项）的字符串：

>>> re.split(r"(a|c)", "bacab")
['b', 'a', '', 'c', '', 'a', 'b']

请注意，分隔符不能被“折叠”在一起，因为捕获组承诺里面只有恰好一个字符。如果不是这些空字符串，c 将出现在我们期望的字符串不匹配部分的位置。因此，在你的示例中 ! 与一个空格（匹配 \s）是连续的，而 re.split 必须补充一个空字符串，以在它们之间占据片段的位置。

当然，若你愿意读一些简单的C 代码，源代码 中的内容都在那里。

动机（这部分是我的猜测——今天不想挖掘十多年关于 _sre 的历史）在于支持以成对的 (token, remainder) 处理分割结果，而不必每次都重新检查一个字符串是否是令牌（匹配的分隔符）。

一般而言，你常常想知道输出的 re.split 的哪一部分是分隔符，哪一部分是未匹配的字符串，要在一个简单的字符串列表中通过位置来判断是唯一的方式。标准库作者并不想剥夺我们这样的能力，因此如果两个分隔符之间没有未匹配的片段，列表就会用空字符串进行填充。