正则拆分单词应优先用re.findall(r'\b\w+\b', s)提取英文单词和数字，而非re.split(r'\b', s)；需排除下划线时改用[a-za-z]+；中英文混排建议用jieba分词。
正则表达式拆分单词，核心是用能准确识别“单词边界”的模式，而不是简单按空格切分——因为标点、换行、制表符、中英文混排等情况会让空格分割失效。
用 \b 匹配单词边界（最常用）
\b 是零宽断言，匹配单词字符（\w，即 [a-zA-Z0-9_]）和非单词字符之间的位置。它不消耗字符，只定位“词头”或“词尾”。
- 对字符串 "Hello, world! How are you?"，用 re.split(r'\b', s) 会得到大量空串和单字符，不适合直接拆词
- 更实用的是配合 re.findall(r'\b\w+\b', s)：提取所有连续的字母数字组合，自动跳过标点和空白
- 注意：\b 把下划线 _ 当作单词字符，所以 "user_name" 会被当作一个词；如需排除下划线，改用 r'[a-zA-Z]+\b'
用 \W+ 或 \s+ 作为分隔符切分
当明确想以“非单词字符”或“空白”为界时，可直接用它们做分隔符：
- re.split(r'\W+', s)：按任意非单词字符（标点、空格、换行等）切分，结果中空字符串需过滤，例如 "a,b.c d" → ['a', 'b', 'c', 'd']
- re.split(r'\s+', s)：仅按空白（空格、制表、换行）切分，保留标点，如 "hello, world!" → ['hello,', 'world!']
- 加 flags=re.UNICODE 可支持中文等 Unicode 字符，但 \W 默认不含中文，需改用 r'[^\w\s]+' 或显式写 r'[^\w\u4e00-\u9fff\s]+'
处理中英文混合与特殊需求
纯英文场景 \b\w+\b 够用，但中英文混排需额外考虑：
- 中文没有传统“单词”概念，若需按字或按词切分，正则能力有限，建议用 jieba 等分词库
- 若只要提取英文单词+数字，可用 r'[a-zA-Z0-9_]+'，它比 \w 更可控（避免匹配 Unicode 字母）
- 想保留连字符（如 "state-of-the-art"），可用 r'[a-zA-Z]+(?:-[a-zA-Z]+)*'，避免被 \W+ 拆散
避开常见坑
几个容易出错的点：
- 别用 re.split(r' ', s) 处理多空格或首尾空格——会产生空元素，应优先用 \s+ 并配合 filter(None, ...)
- \b 在字符串开头/结尾也匹配，re.findall(r'\b\w+\b', '') 返回空列表，安全；但 re.split(r'\b', '') 返回 ['']，需留意
- Python 的 str.split() 不用正则，速度快，纯空格分隔优先用它；正则用于复杂边界逻辑
