使用python正则表达式提取用方括号分隔的项目

Question

我试图使用python正则表达式拆分由方括号分隔的单词/短语。我想拆分输出。条件是以方括号开头和结尾的文本部分将被拆分为不同的元素。

这是我到目前为止所做的，但它没有正常工作：

import re
t="word1 word2 3456 [abc def] [ghi jkl] [1234] [-abcd] word 2345"
re.split("(\[)(.*)(\])+",t)

输出：

['word1 word2 3456 ',
'[',
'abc def] [ghi jkl] [1234] [-abcd',
']',
' word [xyz 2345']

我希望输出类似于：

['word1 word2 3456 ',
 '[abc def]',
 ' ',
 '[ghi jkl]',
 ' ',
 '[1234]',
 ' ',
 '[-abcd]',
 ' word [xyz 2345']

请注意，只有具有左右方括号的项目才会被拆分。

我也试过这个：

re.split("(\[.*\])+",t)

但只能按第一个和最后一个方括号分开

['word1 word2 3456 ', '[abc def] [ghi jkl] [1234] [-abcd]', ' word [xyz 2345']

Answer 1

使用.+?代替.*：

>>> re.split("(\[.+?\])", t)
['word1 word2 3456 ', '[abc def]', ' ', '[ghi jkl]', ' ', '[1234]', ' ', '[-abcd]', ' word 2345']

Answer 2

您可以使用此正则表达式来拆分字符串：

\s(?=\[)|(?<=\])\s

<强> Working demo

但是因为它会分割这些空格，所以它会消耗它们，你生成的输出将是：

word1 word2 3456
[abc def]
[ghi jkl]
[1234]
[-abcd] word 2345

因此，作为一种解决方法，您可以使用上面的正则表达式将匹配项替换为||| |||之类的自定义标记，以生成以下内容：

word1 word2 3456||| |||[abc def]||| |||[ghi jkl]||| |||[1234]||| |||[-abcd]||| |||word 2345

然后，您可以在自定义令牌|||上使用拆分方法，并将空格保持为：

'word1 word2 3456'
' '
'[abc def]'
' '
'[ghi jkl]'
' '
'[1234]'
' '
'[-abcd]'
' '
'word '

Answer 3

请改为尝试：

re.findall(r"[^\]\[]*|\[[^\]\[]*?\]", t)

这将返回

['word1 word2 3456 ', '', 'abc def', '', ' ', '', 'ghi jkl', '', ' ', '', '1234', '', ' ', '', '-abcd', '', ' word 2345', '']

要删除空字符串，请执行以下操作：

list(filter(None, re.findall(r"[^\]\[]*|\[[^\]\[]*?\]", t)))

返回

['word1 word2 3456 ', 
 'abc def',
 ' ',
 'ghi jkl',
 ' ',
 '1234',
 ' ',
 '-abcd',
 ' word 2345']

解释正则表达式：

re.compile(r"""
    [^\]\[]*     # Zero or more characters that aren't [ or ]
    |            # OR
    \[           # a literal [
    [^\]\[]*?    # Zero or more characters that aren't [ or ]
    \]           # a literal ]""", re.X)