仅在第一个实例中使用正则表达式使用多个分隔符进行分隔

Question

我有一些格式的字符串

lorem ipsum, dolor sit - amet, consectetur : adipiscing elit. Praesent vitae orc

我希望它在每个分隔符的第一个实例处拆分，以返回

['lorem ipsum',
'dolor sit', 
'amet, consectetur', 
'adipiscing elit. Praesent vitae orc']

现在我的输出是

['lorem ipsum',
'dolor sit',
'amet',
'consectetur ',
'adipiscing elit. Praesent vitae orc']

现在我正在使用re.split(', | - |: ', txt)但它在字符串中的所有实例re.split(', | - |: ', txt)开。 关于如何实现所需输出的任何建议？

编辑：

我意识到我的问题不清楚，例如，如果字符串是

"abc: def: ijk, lmno: pqr - stu, wx"

输出应该是

["abc",
"def: ijk",
"lmno: pqr",
"stu, wxy"]

并不是

["abc",
"def",
"ijk",
"lmno",
"pqr",
"stu",
"wxy"]

Answer 1

如果所有分隔符必须至少出现一次，而不是使用 split，您可以使用 4 个捕获组，其中反向引用匹配 3 个选项中的 1 个，但已匹配的选项除外。

^(.*?)(, | - |: )(.*?)(?!\2)(, | - |: )(.*?)(?!\2|\4)(, | - |: )(.*)

模式将匹配

• ^字符串开始
• (.*?)第1组，尽可能匹配
• (, | - |: )第2组，匹配任何列出的
• (.*?)第3组，尽可能匹配
• (?!\\2)否定前瞻，断言右边的不是第 2 组中匹配的（选择 2 个有效选项之一）
• (, | - |: )第4组，匹配任何列出的
• (.*?)第5组，尽可能匹配
• (?!\\2|\\4)负前瞻，断言右边的不是第 2 组或第 4 组中匹配的（选择左边唯一有效的选项）
• (, | - |: )第6组，匹配任何列出的
• (.*) Group 7 ，尽可能匹配任意字符

正则表达式演示

例如

import re

regex = r"^(.*?)(, | - |: )(.*?)(?!\2)(, | - |: )(.*?)(?!\2|\4)(, | - |: )(.*)"

test_str = ("lorem ipsum, dolor sit - amet , consectetur : adipiscing elit. Praesent vitae orc\n\n"
    "abc: def: ijk, lmno: pqr - stu, wx\n\n")

matches = re.search(regex, test_str, re.MULTILINE)

if matches:
    print(matches.group(1))
    print(matches.group(3))
    print(matches.group(5))
    print(matches.group(7))

输出

lorem ipsum
dolor sit
amet , consectetur 
adipiscing elit. Praesent vitae orc

见Python的demo1的和DEMO2

Answer 2

您可以使用一个计算替换次数的小类：

import re

text = "lorem ipsum, dolor sit - amet, consectetur : adipiscing elit. Praesent vitae orc"
# text = "abc: def: ijk, lmno: pqr - stu, wx"
rx = re.compile(r'[-,:]')


class Replacer:
    def __init__(self, *args, **kwargs):
        for key in args:
            setattr(self, key, 0)
        self.needle = kwargs.get("needle")

    def __call__(self, match):
        key = match.group(0)
        setattr(self, key, getattr(self, key, 0) + 1)
        cnt = getattr(self, key, 0)
        return self.needle if cnt == 1 else key


rpl = Replacer("-", ",", ":", needle="#@#")

result = [item.strip() for item in re.split("#@#", rx.sub(rpl, text))]
print(result)

哪个产量

['lorem ipsum', 'dolor sit', 'amet, consectetur', 'adipiscing elit. Praesent vitae orc']

Answer 3

仅供参考，不确定这是否是有价值的答案，但也许您可以使用regex而不是re模块来利用具有非固定宽度的负向后视功能。 例如：

\s*([,:-])(?<!\1.*\1)\s*

在 Python 中：

import regex as re
string1 = "abc: def: ijk, lmno: pqr - stu, wx"
lst1 = re.sub(r'\s*([,:-])(?<!\1.*\1)\s*', '|' , string1).split('|')
print(lst1)

结果：

['abc', 'def: ijk', 'lmno: pqr', 'stu, wx']