如何决定在正则表达式中分割哪个空格？

Question

我需要处理一些带有很多空格的文本，如下所示，

string_many_whitespace = "k1@v1 k2@[v1 v2 v3] k3@v1"

import re

string_many_whitespace = "k1@v1 k2@[v1 v2 v3] k3@v1"
print(re.findall('(.+?@.+?)', string_many_whitespace))

output：

['k1@v', '1 k2@[', 'v1 v2 v3] k3@v']

如您所见，它们被错误的空格分开。

我真正想要的是：

['k1@v1', 'k2@[v1 v2 v3]', 'k3@v1']

编辑：有时项目是 kUPPER@value，并不总是小写或数字，例如

“k1@v1 k2@[v1 v2 v3] kUPPER@value”

Answer 1

我相信你需要：

re.compile("(?= [a-zA-Z]+\d*@) ").split(string_many_whitespace)

您可以在此处看到它针对正确的空格： https://regex101.com/r/EPG1CI/1

Answer 2

您尝试的模式(.+?@.+?)将匹配尽可能少的字符，直到遇到 @ 后它可以匹配单个字符，因为它不会贪婪地给您错误的 output。

---

您可以更具体地了解您允许匹配和使用替代的内容| 匹配方括号版本或初始 @ 后没有 @ 的版本。

它在@之后至少匹配一个非空白字符，而不是只匹配k3@

[^\s@]+@(?:[^][\s@]+|\[[^][]*])

解释

• [^\s@]+匹配除@ 或空白字符之外的任何字符 1+ 次
• @匹配@
• (?:非捕获组匹配
  • [^][\s@]+匹配除@ [ ] 或空白字符之外的任何字符
  • | 或者
• \[[^][]*]从[到]匹配
• )关闭群组

正则表达式演示| Python 演示

import re

regex = r"[^\s@]+@(?:[^][\s@]+|\[[^][]*])"
s = "k1@v1 k2@[v1 v2 v3] k3@v1"

matches = re.findall(regex, s)
print(matches)

Output

['k1@v1', 'k2@[v1 v2 v3]', 'k3@v1']

Answer 3

使用拆分，正则表达式只会破坏此类简单问题的性能。

txt = "welcome to the jungle"

x = txt.split(" ") #returns list without white spaces aka [welcome, to, the, jungle]