Question

我需要使用Python解析一个字符串并提取由:（冒号）分隔的2个标记，这些标记可以用单引号，双引号或无引号括起来。

工作案例：

# <input string> -> <tuple that should return> 

1) abc:def -> (abc, def)
2) abc:"def" -> (abc, def)
3) "abc":def -> (abc, def)
4) "abc":"def" -> (abc, def)
5) "a:bc":abc -> (a:bc, abc)

示例案例不起作用：

# <input string> -> <tuple that should return> 

6) abc:"a:bc" -> (abc, a:bc)
7) "abcdef" -> (abcdef,)

使用的正则表达式是：

>>> import re
>>> rex = re.compile(r"(?P<fquote>[\'\"]?)"
                     r"(?P<user>.+)"
                     r"(?P=fquote)"
                     r"(?:\:"
                     r"(?P<squote>[\'\"]?)"
                     r"(?P<pass>.+)"
                     r"(?P=squote))")

我有2个问题，首先是样本案例6）和7）不起作用，第二个问题rex.match后我希望所有组都匹配但不是fquote和squote个。我的意思是现在rex.match("'abc':'def').groups()返回("'", "abc", "'", "def")，我只想要("abc", "def")。

有什么想法吗？

由于

Answer 1

您可以在此使用csv模块而不是正则表达式：

inputs = [
    'abc:def', 'abc:"def"', '"abc":def', '"abc":"def"', '"a:bc":abc', #working
    'abc:"a:bc"', 'abcdef' # not working

]

import csv
for idx, el in enumerate(inputs, start=1):
    print idx, tuple(next(csv.reader([el], delimiter=':')))

这给了你：

1 ('abc', 'def')
2 ('abc', 'def')
3 ('abc', 'def')
4 ('abc', 'def')
5 ('a:bc', 'abc')
6 ('abc', 'a:bc')
7 ('abcdef',)

Answer 2

def foo(string):
    rex = re.compile(r"(?P<fquote>[\'\"]?)"
                     r"(?P<user>.+?)"
                     r"(?:(?P=fquote))"
                     r"(?:\:"
                     r"(?P<squote>[\'\"]?)"
                     r"(?P<pass>.+)"
                     r"(?P=squote))"
                     r"|(?P<sfquote>[\'\"]?)"
                     r"(?P<suser>.+)"
                     r"(?:(?P=sfquote))")
    match = rex.match(string)
    suser_match = match.group("suser")
    return (suser_match,) if suser_match else (match.group("user"), match.group("pass"))

这可以胜任，但我强烈反对。正则表达式应尽可能简单，因为这种解决方案难以理解，因此难以维护。您可能需要一个无上下文的语法，在我看来，这更适合您作为示例提供的模式类型（特别适用于"abcdef"字符串，这需要一个单独的组。）

您的第二个问题是，即使您将其置于(?:...)内，也会捕获符号组。这就是为什么我认为检索它们更容易，然后用匹配的符号组创建元组。

Answer 3

为什么要检索所有组？只需拿走你感兴趣的那些而忽略其余部分。这是一个例子：

rex = re.compile(
    r"""^(?:
      (?P<fquote>['"])
      (?P<user1>(?:(?!(?P=fquote)).)+)
      (?P=fquote)
      |
      (?P<user2>[^:"'\s]+)
    )
    (?:
      :
      (?:
        (?P<squote>['"])
        (?P<pass1>(?:(?!(?P=squote)).)+)
        (?P=squote)
        |
        (?P<pass2>[^:"'\s]+)
      )
    )?
    $""", 
    re.VERBOSE)

result = rex.sub(r"\g<user1>\g<user2> : \g<pass1>\g<pass2>", subject)

附加说明：

拆分它以分别处理引用和未引用的字段使得工作变得更加容易。你知道每对组中的一组总是空的，所以连接它们是安全的。
(?:(?!(?P=fquote)).)+一次消耗一个字符，但只有在确认该字符与开头引号不同之后才会消耗。您不必担心它会超出收尾报价，就像.+那样。（你真的应该在那里使用一个不情愿的.+?，但这样做会更好。）

正则表达贪心问题

3 个答案: