Question

我从一个来源收到一些非常难看的数据，需要用正则表达式来解决这个问题。要求提供程序清理数据源是不可能的。我的数据如下：

string 1，string 2 ,,＆＃34; string，4＆＃34;，string 5

正如我所看到的，这里有两个复杂因素。我需要匹配第3个字段中的空字符串，我需要捕获＆＃34;字符串，4＆＃34;作为第四场。最困难的部分一直在试图弄清楚如何处理引号中的逗号。我一直在玩前瞻/后视断言，但没有多少运气。此外，虽然我不是肯定的，但我需要假设任何字段都可以随时引用并期望下面的一行，而不是期望它是一致的：

string 1，＆＃34; string，2＆＃34; ,, string 4，string 5

有人有建议吗？

Answer 1

这对我来说效果很好。如果需要改进，请告诉我

((?:".*?")|[^,"]*)

Answer 2

我不确定我是否理解正确，但可能会使用The Regex Trick的变体

"[^"]*"|\w[^",]*

See test at regex101;使用PCRE如果要捕获引号内的内容，请使用branch reset：

(?|"([^"]*)"|(\w[^",]*))

Test at regex101

Answer 3

for key, val in mydict.items():

   val1, val2, val3 = val

   if val2 == 'awesome match':

       new_var = val1

这完全符合您的要求你可以在https://regex101.com/r/bZ8xM8/1

查看

用于处理逗号分隔列表的正则表达式，带有不规则引号

3 个答案: