Question

我正在尝试解析满足python正则表达式的项目列表

r'\A(("[\w\s]+"|\w+)\s+)*\Z'

也就是说，它是一个以空格分隔的列表，除了在引用的字符串中允许使用空格。我想获得列表中的项目列表（与

匹配的项目

r'("[\w\s]+"|\w+)'

一部分。所以，例如

>>> parse('foo "bar baz" "bob" ')
['foo', '"bar baz"', '"bob"']

使用python re有什么好办法吗？

很多事情都不太奏效。例如

>>> re.match(r'\A(("[\w\s]+"|\w+)\s+)*\Z', 'foo "bar baz" "bob" ').group(2)
'"bob"'

仅返回匹配的最后一个。另一方面

>>> re.findall(r'("[\w\s]+"|\w+)', 'foo "bar baz" "bob" ')
['foo', '"bar baz"', '"bob"']

但它也接受格式错误的表达式，如

>>> re.findall(r'("[\w\s]+"|\w+)', 'foo "bar b-&&az" "bob" ')
['foo', 'bar', 'b', 'az', '" "', 'bob']

那么有没有办法使用原始正则表达式并获得与第2组匹配的所有项目？像

这样的东西

>>> re.match_multigroup(r'\A(("[\w\s]+"|\w+)\s+)*\Z', 'foo "bar baz" "bob" ').group(2)
['foo', '"bar baz"', '"bob"']
>>> re.match_multigroup(r'("[\w\s]+"|\w+)', 'foo "bar b-&&az" "bob" ')
None

编辑：非常重要，我保留输出中的引号，因此我不想

>>> re.match_multigroup(r'\A(("[\w\s]+"|\w+)\s+)*\Z', 'foo "bar baz" "bob" ').group(2)
['foo', 'bar baz', 'bob']

因为那时我不知道bob是否被引用。

Answer 1

我不认为正则表达式是正确的工具。试试csv模块：

>>> s = 'foo "bar baz" "bob" '
>>> for i in csv.reader([s], delimiter=' '):
    print(i)


['foo', 'bar baz', 'bob', '']

Answer 2

这是一个解决方案，可以拆分任何不在一对引号内的空格：

re.split('\s+(?=[^"]*(?:"[^"]*"[^"]*)*$)', target)

只有在刚好匹配的空格之前有偶数个引号时，前瞻才会成功。如果文本中的引用部分可以包含转义引号，则可能需要更复杂的正则表达式，具体取决于转义的执行方式。

Answer 3

好吧，我最终分两步决定这样做。

首先，我检查表达式在语法上是否有效，然后我将其分解为单个部分：

def parse(expr):
    if re.match(r'\A(("[\w\s]+"|\w+)\s+)*\Z', expr):
        return re.findall(r'("[\w\s]+"|\w+)', expr)

所以：

>>> parse('foo "bar baz" "bob" ')
['foo', '"bar baz"', '"bob"']
>>> parse('foo "bar b-&&az" "bob" ')
>>> parse('foo "bar" ')
['foo', '"bar"']
>>> parse('"foo" bar ')
['"foo"', 'bar']
>>> parse('foo"bar baz" "bob" ')
>>> parse('&&')

我大约90％确定这种方法对所有字符串都适用，但如果有人有更通用的解决方案，我仍然会感兴趣，这对我来说似乎有点麻烦。

感谢SilentGhost和Alan Moore的帮助。我以前不了解python csv或regex lookaheads，对我来说，了解它们可能会有所帮助。

在python中提取嵌套正则表达式的所有匹配项

3 个答案: