正则表达式匹配，让所有组都由分隔符分隔吗？

Question

我有一种特殊的编码格式，我想要一个提取编码信息的正则表达式。 我将'：'作为特殊字符分隔不同的信息“块”。 例如：

s = 'P:1:a:3:test_data'

应该拆分为：

['P','1','a','3','test_data']

我可以用：

s.split(':')

但是，我也可以对单个'：'进行编码（永远不会有超过1个'：'分组在一起，因此不会产生歧义）。 因此，例如：

s = 'P:1:::3:test_data'

应该给：

['P','1',':','3','test_data']

在这里使用split（'：'）失败：

['P', '1', '', '', '3', 'test_data']

捕获“：”的最佳方法是什么？ 我对正则表达式不是很坚强，我知道正则表达式组可以使用'* +'匹配至少一个字符，但是我对如何将它们拼凑起来感到非常困惑。 更好的是，没有正则表达式，还有更好的方法吗？ 我想我总是可以遍历数组，检查连续的空字符串并将它们组合为'：'。 有更优雅的方法吗？

谢谢

Answer 1

对于您的特定情况，您可以使用否定环顾四周来限制要在(?<!:):|:(?!:)上分割的冒号，该冒号在冒号之前和之后都没有另一个冒号同时：

import re
s = 'P:1:a:3:test_data'
s1 = 'P:1:::3:test_data'

re.split("(?<!:):|:(?!:)", s)
# ['P', '1', 'a', '3', 'test_data']

re.split("(?<!:):|:(?!:)", s1)
# ['P', '1', ':', '3', 'test_data']

---

另一个更通用并且可以处理多个选项的选项:与re.findall和(.+?)(?::|$)分组，即，懒惰地匹配至少一个字符，直到找到冒号或到达字符串的末尾：

re.findall('(.+?)(?::|$)', 'P:1:::3:test_data')
# ['P', '1', ':', '3', 'test_data']

re.findall('(.+?)(?::|$)', 'P:1:::::3:test_data')
# ['P', '1', ':', ':', '3', 'test_data']