Question

我有几个字符串，当不在括号内时，我想用空格分割。

例如

sentence = "blah (blah2 (blah3))|blah4 blah5"

应该产生

["blah", "(blah2 (blah3))|blah4", "blah5"]

我试过了：

re.split(r"\s+(?=[^()]*(?:\(|$))", sentence)

但它会产生：

['blah', '(blah2', '(blah3))|blah4', 'blah5']

Answer 1

如评论中所述，由于括号嵌套，使用正则表达式进行处理是不可能的。

另一种选择是使用括号中的嵌套计数进行一些好的旧字符串处理：

def parenthesis_split(sentence,separator=" ",lparen="(",rparen=")"):
    nb_brackets=0
    sentence = sentence.strip(separator) # get rid of leading/trailing seps

    l=[0]
    for i,c in enumerate(sentence):
        if c==lparen:
            nb_brackets+=1
        elif c==rparen:
            nb_brackets-=1
        elif c==separator and nb_brackets==0:
            l.append(i)
        # handle malformed string
        if nb_brackets<0:
            raise Exception("Syntax error")

    l.append(len(sentence))
    # handle missing closing parentheses
    if nb_brackets>0:
        raise Exception("Syntax error")


    return([sentence[i:j].strip(separator) for i,j in zip(l,l[1:])])

print(parenthesis_split("blah (blah2 (blah3))|blah4 blah5"))

结果：

['blah', '(blah2 (blah3))|blah4', 'blah5']

l包含发生非paren保护空间的字符串的索引。最后，通过切片列表生成数组。

注意最后的strip()来处理多个分隔符的出现，并在开始时删除将在返回的列表中创建空项的前导/尾随分隔符。

Answer 2

虽然re模块确实无法处理递归，但PyPi regex module可以（在某种程度上）。不建议在生产中使用它，因为它不那么稳定。只是为了展示高级正则表达式如何工作，这里是2-regex方法：一个验证平衡括号，第二个验证令牌：

>>> import regex
>>> sentence = "blah (blah2 (blah3))|blah4 blah5"
>>> reg_extract = regex.compile(r'(?:(\((?>[^()]+|(?1))*\))|\S)+')
>>> reg_validate = regex.compile(r'^[^()]*(\((?>[^()]+|(?1))*\)[^()]*)+$')
>>> res = []
>>> if reg_validate.fullmatch(sentence):
    res = [x.group() for x in reg_extract.finditer(sentence)]

>>> print(res)
['blah', '(blah2 (blah3))|blah4', 'blah5']

提取正则表达式详细信息：匹配1次或多次

(\((?>[^()]+|(?1))*\)) - 捕获第1组，匹配除(和)以外的1个字符（[^()]+）或（|）{{1} } recurses整个捕获组1模式（发生递归）
(?1) - 或
| - 非空白字符

验证正则表达式详细信息：

\S - 字符串开头
^ - 除[^()]*和(
) - 第1组捕获1次或多次：
- ( - 打开\(符号
- ( - 0次出现
  - (?>[^()]+|(?1))* - 除[^()]+和(
  - ) - 或
  - | - 子程序调用递归第1组子模式（递归）
- (?1) - 结束\)
- ) - 除[^()]*和(
) - 第1组结束
)+ - 字符串结尾

Answer 3

这适用于贪婪的查找方法。第一个模式查找所有括号括号模式和第二个模式后的|下面的条件找到第一个模式找不到的那些单词。（：（：（：（）（）（：？？？？）））\ | [^ \ S] ）|（\ W +）

在字符串中说，＆＃34; blah（blah2（blah3（blah 3.5（blah 8.5））| blah4 blah5＆＃34;

会找到

嗒嗒

（blah2（blah3（blah 3.5（blah 8.5））| blah4

blah5

您可以点击此链接查看其工作原理。 https://regex101.com/r/dpfCWV/1

拆分不在Python中括号内的空格

3 个答案: