正則表達式匹配，讓所有組都由分隔符分隔嗎？

Question

我有一種特殊的編碼格式，我想要一個提取編碼信息的正則表達式。 我將'：'作為特殊字符分隔不同的信息“塊”。 例如：

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

應該拆分為：

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

我可以用：

s.split(':')

但是，我也可以對單個'：'進行編碼（永遠不會有超過1個'：'分組在一起，因此不會產生歧義）。 因此，例如：

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

應該給：

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

在這里使用split（'：'）失敗：

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

捕獲“：”的最佳方法是什么？ 我對正則表達式不是很堅強，我知道正則表達式組可以使用'* +'匹配至少一個字符，但是我對如何將它們拼湊起來感到非常困惑。 更好的是，沒有正則表達式，還有更好的方法嗎？ 我想我總是可以遍歷數組，檢查連續的空字符串並將它們組合為'：'。 有更優雅的方法嗎？

謝謝

Answer 1

對於您的特定情況，您可以使用否定環顧四周來限制要在(?<!:):|:(?!:)上分割的冒號，該冒號在冒號之前和之后都沒有另一個冒號同時：

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']

---

另一個更通用並且可以處理多個選項的選項:與re.findall和(.+?)(?::|$)分組，即，懶惰地匹配至少一個字符，直到找到冒號或到達字符串的末尾：

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

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