如何用字符串拆分字符串，除非字符串在python中用引号括起来？

Question

我想用'和'这个词分隔下面的字符串，除非'和'这个词在引号内

string = "section_category_name = 'computer and equipment expense' and date >= 2015-01-01 and date <= 2015-03-31"

期望的结果

["section_category_name = 'computer and equipment expense'","date >= 2015-01-01","date <= 2015-03-31"]

我似乎无法找到正确分割字符串的正确的正则表达式模式，因此“计算机和设备费用”不会被拆分。

这是我试过的：

re.split('and',string)

结果

[" section_category_name = 'computer "," equipment expense' ",' date >= 2015-01-01 ',' date <= 2015-03-31']

如您所见，结果将“计算机和设备费用”拆分为列表中的不同项目。

我也从这个问题尝试了以下内容：

r = re.compile('(?! )[^[]+?(?= *\[)'
               '|'
               '\[.+?\]')
r.findall(s)

结果：

[]

我也从这个问题尝试了以下内容

result = re.split(r"and+(?=[^()]*(?:\(|$))", string)

结果：

[" section_category_name = 'computer ",
 " equipment expense' ",
 ' date >= 2015-01-01 ',
 ' date <= 2015-03-31']

挑战在于，关于该主题的先前问题没有解决如何在引号内用字分割字符串，因为它们解决了如何通过特殊字符或空格分割字符串。

如果我将字符串修改为以下内容，我就能得到所需的结果

string = " section_category_name = (computer and equipment expense) and date >= 2015-01-01 and date <= 2015-03-31"
result = re.split(r"and+(?=[^()]*(?:\(|$))", string)

期望的结果

[' section_category_name = (computer and equipment expense) ',
 ' date >= 2015-01-01 ',
 ' date <= 2015-03-31']

但是我需要函数不在'和'之间拆分撇号而不是括号

Answer 1

您可以使用re.findall生成2元组列表，其中第一个元素是带引号的字符串或为空，或者第二个元素是除空白字符之外的任何元素或为空。

然后，您可以使用itertools.groupby按单词“and”进行分区（当不在带引号的字符串中时），然后从list-comp中的填充元素重新加入，例如：

import re
from itertools import groupby

text = "section_category_name = 'computer and equipment expense'      and date >= 2015-01-01 and date <= 2015-03-31 and blah = 'ooops'"
items = [
    ' '.join(el[0] or el[1] for el in g)
    for k, g in groupby(re.findall("('.*?')|(\S+)", text), lambda L: L[1] == 'and')
    if not k
]

给你：

["section_category_name = 'computer and equipment expense'",
 'date >= 2015-01-01',
 'date <= 2015-03-31',
 "blah = 'ooops'"]

请注意，空格也在引用的字符串之外进行了规范化 - 无论这是否合乎需要......

还要注意 - 这确实允许在分组方面有一点灵活性，因此你可以将lambda L: L[1] == 'and'变为lambda L: L[1] in ('and', 'or')组如果需要等不同的话......

Answer 2

您可以在re.findall使用以下正则表达式：

((?:(?!\band\b)[^'])*(?:'[^'\\]*(?:\\.[^'\\]*)*'(?:(?!\band\b)[^'])*)*)(?:and|$)

请参阅正则表达式演示 。

正则表达式由一个未包装的序列组成，除了'到第一个and （带有调和的贪婪令牌(?:(?!\\band\\b)[^'])* ）和任何东西（支持转义实体）在单个撇号之间（包括'[^'\\\\]*(?:\\\\.[^'\\\\]*)*' - 这也是([^'\\\\]|\\\\.)*的未包装版本([^'\\\\]|\\\\.)* ）。

Python 代码演示 ：

import re
p = re.compile(r'((?:(?!\band\b)[^\'])*(?:\'[^\'\\]*(?:\\.[^\'\\]*)*\'(?:(?!\band\b)[^\'])*)*)(?:and|$)')
s = "section_category_name = 'computer and equipment expense' and date >= 2015-01-01 and date <= 2015-03-31"
print([x for x in p.findall(s) if x])

Answer 3

如果所有字符串都遵循相同的模式，则可以使用正则表达式将搜索划分为3组。 第一组从开始到最后一个'。 然后下一组是第一个和最后一个“和”之间的所有内容。 最后一组是文本的其余部分。

import re

string = "section_category_name = 'computer and equipment expense' and date >= 2015-01-01 and date <= 2015-03-31"

output = re.match(r"(^.+['].+['])\sand\s(.+)\sand\s(.+)", string).groups()
print(output)

每个组都在正则表达式的括号内定义。 方括号定义了要匹配的特定字符。 只有“section_category_name”等于单引号内的内容时，此示例才有效。

section_category_name = 'something here' and ...

Answer 4

以下代码将起作用，并且不需要疯狂的正则表达式来实现它。

import re

# We create a "lexer" using regex. This will match strings surrounded by single quotes,
# words without any whitespace in them, and the end of the string. We then use finditer()
# to grab all non-overlapping tokens.
lexer = re.compile(r"'[^']*'|[^ ]+|$")

string = "section_category_name = 'computer and equipment expense' and date >= 2015-01-01 and date <= 2015-03-31"

results = []
buff = []

# Iterate through all the tokens our lexer identified and parse accordingly
for match in lexer.finditer(string):
    token = match.group(0) # group 0 is the entire matching string

    if token in ('and', ''):
        # Once we reach 'and' or the end of the string '' (matched by $)
        # We join all previous tokens with a space and add to our results.
        results.append(' '.join(buff))
        buff = [] # Reset for the next set of tokens
    else:
        buff.append(token)

print results

演示

编辑 ：这是一个更简洁的版本，用itertools.groupby有效地替换上述语句中的for循环。

import re
from itertools import groupby

string = "section_category_name = 'computer and equipment expense' and date >= 2015-01-01 and date <= 2015-03-31"

lexer = re.compile(r"'[^']*'|[^\s']+")
grouping = groupby(lexer.findall(string), lambda x: x == 'and')
results = [ ' '.join(g) for k, g in grouping if not k ]

print results

演示

Answer 5

我只想使用re.split具有此功能的事实：

如果在模式中使用捕获括号，则模式中所有组的文本也将作为结果列表的一部分返回。

结合两个捕获组的使用将返回None分隔字符串的列表。 这使得正则表达式变得简单，尽管需要一些后合并。

>>> tokens = re.split(r"('[^']*')|and", string)
# ['section_category_name = ', "'computer and equipment expense'", ' ', None, ' date >= 2015-01-01 ', None, ' date <= 2015-03-31']    
>>> ''.join([t if t else '\0' for t in tokens]).split('\0')
["section_category_name = 'computer and equipment expense' ", ' date >= 2015-01-01 ', ' date <= 2015-03-31']

注意， 0x00 char在那里用作临时分隔符，因此如果您需要处理带有空值的字符串，它将无法正常工作。

Answer 6

我不知道你想做些空格周围什么and ，和你想做些什么重复and字符串s中。 如果你的字符串是'hello and and bye' ，或'hello andand bye' 'hello and and bye' ，你会想要什么？

我还没有测试过所有的角落情况，并且我在“和”周围删除了空白，这可能是也可能不是你想要的：

string = "section_category_name = 'computer and equipment expense' and date >= 2015-01-01 and date <= 2015-03-31"
res = []
spl = 'and'
for idx, sub in enumerate(string.split("'")):
  if idx % 2 == 0:
    subsub = sub.split(spl)
    for jdx in range(1, len(subsub) - 1):
      subsub[jdx] = subsub[jdx].strip()
    if len(subsub) > 1:
      subsub[0] = subsub[0].rstrip()
      subsub[-1] = subsub[-1].lstrip()
    res += [i for i in subsub if i.strip()]
  else:
    quoted_str = "'" + sub + "'"
    if res:
      res[-1] += quoted_str
    else:
      res.append(quoted_str)

一个更简单的解决方案，如果您知道and将被两侧的空间包围，并且不会重复，并且不想删除额外的空格：

string = "section_category_name = 'computer and equipment expense' and date >= 2015-01-01 and date <= 2015-03-31"
spl = 'and'
res = []
spaced_spl = ' ' + spl + ' '
for idx, sub in enumerate(string.split("'")):
  if idx % 2 == 0:
    res += [i for i in sub.split(spaced_spl) if i.strip()]
  else:
    quoted_str = "'" + sub + "'"
    if res:
      res[-1] += quoted_str
    else:
      res.append(quoted_str)

输出：

["section_category_name = 'computer and equipment expense'", 'date >= 2015-01-01', 'date <= 2015-03-31']