Question

我需要按空格或逗号分割字符串。但它应该保留单引号或双引号字符串。即使它被许多空间或单个空间分开也没有区别。例如：

    """ 1,' unchanged 1' " unchanged  2 "   2.009,-2e15 """

应该返回

    """ 1,' unchanged 1'," unchanged  2 ",2.009,-2e15 """

逗号前后可能没有或多个空格。那些空间应该被忽略。在这个特定的上下文中，如ex字符串所示，如果两个带引号或双引号的字符串碰巧彼此相邻，则它们之间将有一个空格或逗号。

我在python reg ex to include missing commas有一个上一个问题，但是，为了工作，分裂的逗号应该有一个空格。

Answer 1

编辑：以前的版本破坏了我认为会在文件中的换行符。现在修好了。

对于“如果有疑问，使用蛮力”这一方面可能太过分了，但works：

regex = r"""(?<=["'])[^\S\n]+(?=["'])|(?<=["'])[^\S\n]+(?=\d)|(?<=\d)[^\S\n]+(?=\d|\.\d)|(?<=(?<=\w|\d)\d)[^\S\n]+(?=["'])|(?<=["'\d])[^\S\n]*,[^\S\n]*"""

它在字符串中留下逗号，并用前导点处理数字。

获得所需的输出：

re.sub(regex, ",", original_string)

关于性能的粗略概念[1]，在Ivy Bridge Celeron上

import timeit

s = """\
import re

s = \"\"\"1,' unchanged 1' " unchanged  2 "   2.009,-2e15 35  "  fad!" '   dfgsdfg ' ,   'asdfasdf'  " fasf ,  , asfa" "2 fs", .085     .835\"\"\"
rgex = re.compile(r\"\"\"(?<=["'])\s+(?=["'])|(?<=["'])\s+(?=\d)|(?<=\d)\s+(?=\d|\.\d)|(?<=(?<=\w|\d)\d)\s+(?=["'])|(?<=["'\d])\s*,\s*\"\"\")

re.sub(rgex, ",", s)

"""

print("1k iterations: ", timeit.timeit(stmt=s, number=1000))
print("10k iterations: ", timeit.timeit(stmt=s, number=10000))
print("100k iterations: ", timeit.timeit(stmt=s, number=100000))
print("200k iterations: ", timeit.timeit(stmt=s, number=200000))
print("300k iterations: ", timeit.timeit(stmt=s, number=300000))

给出：

1k iterations:  0.0494868220000626
10k iterations:  0.4617418729999372
100k iterations:  4.604098313999884
200k iterations:  9.197777003000056
300k iterations:  13.79744054799994.

有趣的是，对于regex模块，它应该是更高效的（据我所知），并且应该在未来的某个时间替换标准库re，它是大约慢两倍。

[1]：这不是一个真实的测试，因为它只是反复遍历字符串，但我很着急。后来试了一点，用200.000和300.000行（相同的字符串）组成的字符串，它大致相同。 200.000秒~8秒，300.000秒~12秒。

python正则表达式用逗号或空格分割（但保留字符串）

1 个答案: